A. 求计量经济学论文，时间序列分析模型，有数据来源，用spss分析的过程，谢谢 [email protected]
我先给你发了一份 你看下可以不的 PDF是原文的 那个WORD是我删减过的
B. 应用计量经济学时间序列分析在股票预测上有多大的作用
作用没有想象中的大，你可以用股票的滞后变量来进行回归分析，滞后2~3期就够了，不过数据必须具体点，最好细分到每季度、每月的上证指数，还有时间上怎么也要十年左右吧！
我以前在论文附录中做过分析，数据都是自己按季度整理的，挺麻烦的呢，如果需要的话就发给你~
还有就是，我觉得写关于股票的预测方面的实际用处并不是很大，毕竟股票的影响因素太多，单单的凭借以前的走势而预期太不好了。。我自己也炒股票，就像那些macd、kdj之类的指标根本就起不到太大的作用，如果那个能预期的话，股市岂不就成了提款机了？现在你做的这个就像是那些指标一样，要知道，股市是活的，人是活的，而指标确实死的！说这么多的意思就是股市不是能简单预测的，你做的那个用处不大。。
如果你想做的话，建议换个题目，我当时的写的是对弗里德曼的货币需求理论在中国市场的分析。你可以写写货币供应量对通货膨胀的时滞性，分析下在我国市场的滞后期大概是多少~数据在国家统计局和中国人民银行都可以找到的，样本空间一定要足够大，在对滞后变量分析时候主要考虑各自的T检验是否通过，一般从通过之后大概就是那个的滞后期！这个比较直接反而有些许用处~
要是能分析出国家的一般性政策对实体市场的影响就更好了，更有用了~
呵呵，以上只是自己的建议~有什么其他的问题就给我留言吧~
C. 关于时间序列的预测可以用什么方法
1、 时间序列 取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间变化，则称过程是非平稳的。 2、 宽平稳时间序列的定义：设时间序列 ，对于任意的 , 和 ，满足： 则称 宽平稳。 3、Box-Jenkins方法是一种理论较为完善的统计预测方法。他们的工作为实际工作者提供了对时间序列进行分析、预测，以及对ARMA模型识别、估计和诊断的系统方法。使ARMA模型的建立有了一套完整、正规、结构化的建模方法，并且具有统计上的完善性和牢固的理论基础。 4、ARMA模型三种基本形式：自回归模型（AR：Auto-regressive），移动平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Average）。 （1） 自回归模型AR(p)：如果时间序列 满足 其中 是独立同分布的随机变量序列，且满足： ， 则称时间序列 服从p阶自回归模型。或者记为 。 平稳条件：滞后算子多项式 的根均在单位圆外，即 的根大于1。 （2） 移动平均模型MA(q)：如果时间序列 满足 则称时间序列 服从q阶移动平均模型。或者记为 。 平稳条件：任何条件下都平稳。 （3） ARMA(p,q)模型：如果时间序列 满足 则称时间序列 服从(p,q)阶自回归移动平均模型。或者记为 。 特殊情况：q=0,模型即为AR(p)，p=0, 模型即为MA(q)。 二、时间序列的自相关分析 1、自相关分析法是进行时间序列分析的有效方法，它简单易行、较为直观，根据绘制的自相关分析图和偏自相关分析图，我们可以初步地识别平稳序列的模型类型和模型阶数。利用自相关分析法可以测定时间序列的随机性和平稳性，以及时间序列的季节性。 2、自相关函数的定义：滞后期为k的自协方差函数为： ，则 的自相关函数为： ，其中 。当序列平稳时，自相关函数可写为： 。 3、 样本自相关函数为： ，其中 ，它可以说明不同时期的数据之间的相关程度，其取值范围在-1到1之间，值越接近于1，说明时间序列的自相关程度越高。 4、 样本的偏自相关函数： 其中， 。 5、 时间序列的随机性，是指时间序列各项之间没有相关关系的特征。使用自相关分析图判断时间序列的随机性，一般给出如下准则： ①若时间序列的自相关函数基本上都落入置信区间，则该时间序列具有随机性； ②若较多自相关函数落在置信区间之外，则认为该时间序列不具有随机性。 6、 判断时间序列是否平稳，是一项很重要的工作。运用自相关分析图判定时间序列平稳性的准则是：①若时间序列的自相关函数 在k>3时都落入置信区间，且逐渐趋于零，则该时间序列具有平稳性；②若时间序列的自相关函数更多地落在置信区间外面，则该时间序列就不具有平稳性。 7、 ARMA模型的自相关分析 AR(p)模型的偏自相关函数 是以p步截尾的，自相关函数拖尾。MA(q)模型的自相关函数具有q步截尾性，偏自相关函数拖尾。这两个性质可以分别用来识别自回归模型和移动平均模型的阶数。ARMA(p,q)模型的自相关函数和偏相关函数都是拖尾的。 三、单位根检验和协整检验 1、单位根检验 ①利用迪基—福勒检验（ Dickey-Fuller Test）和菲利普斯—佩荣检验（Philips-Perron Test）,我们也可以测定时间序列的随机性，这是在计量经济学中非常重要的两种单位根检验方法，与前者不同的事，后一个检验方法主要应用于一阶自回归模型的残差不是白噪声，而且存在自相关的情况。 ②随机游动 如果在一个随机过程中， 的每一次变化均来自于一个均值为零的独立同分布，即随机过程 满足： ， ，其中 独立同分布，并且： ， 称这个随机过程是随机游动。它是一个非平稳过程。 ③单位根过程 设随机过程 满足： ， ，其中 ， 为一个平稳过程并且 ，，。 2、协整关系 如果两个或多个非平稳的时间序列，其某个现性组合后的序列呈平稳性，这样的时间序列间就被称为有协整关系存在。
D. 如何使用计量经济学模型作预测
建立与应用计量经济学模型的主要步骤有：1、设计理论模型，确定模型所版包含的变量，确权定了被解释变量后,如何正确地选择解释变量，确定模型的数学形式，拟定理论模型中待估参数的理论期望值；2、收集样本数据，包括时间序列数据、截面数据、虚变量数据，而且要考虑样本数据的完整性、准确性、可比性和一致性；3、估计模型参数，包括各种模型参数估计方法，如何选择模型参数估计方法以及关于应用软件的使用；4、检验模型，包括经济意义的检验、统计检验、计量经济学检验、模型预测检验。
E. 用MATLAB设计AR时间序列预测模型
matlab画图，似乎有规律。
http://hi..com/chemical%5Fengineering/album/item/e0bef8195872de75dbb4bd0e.html
A=[...
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 0.5
11 1
12 1.5
13 2.5
14 3.6
15 4.6
16 5
17 5.3
18 5.7
19 7.2
20 8.8
21 10.3
22 8.5
23 6.7
24 6.7
25 6.2
26 5.6
27 5.1
28 4.3
29 3.4
30 2.6
31 1.7
32 0.9
33 0
34 0
35 0
36 0
37 0
38 0
39 0
40 0.3
41 0.7
42 1
43 2.6
44 4.1
45 5.7
46 5.3
47 4.8
48 4.4
49 4
50 3.5
51 3.1
52 4
53 4.8
54 5.7
55 6
56 6.4
57 6.7
58 6.2
59 5.6
60 5.1
61 5.1
62 5.1
63 5.1
64 4.3
65 3.4
66 2.6
67 1.7
68 0.8
69 0
70 0.4
71 0.7
72 1
73 1.4
74 1.7
75 2.1
76 1.4
77 0.7
78 0
79 0.7
80 1.4
81 2.1
82 1.6
83 1
84 0.5
85 0.3
86 0.2
87 0
88 1.4
89 2.7
90 4.1
91 3.9
92 3.8
93 3.6
94 5
95 6.3
96 7.7
97 7
98 6.4
99 5.7
100 5.5
101 5.3
102 5.1
103 4.8
104 4.4
105 4.1
106 4.6
107 5.2
108 5.7
109 4.7
110 3.6
111 2.6
112 1.7
113 0.9
114 0
115 0
116 0
117 0
118 0
119 0
120 0
121 0
122 0
123 0
124 0.9
125 1.7
126 2.6
127 3.1
128 3.6
129 4.1
130 5.1
131 6.1
132 7.1
133 7.3
134 7.6
135 7.8
136 8.1
137 8.4
138 8.7
139 7.9
140 7
141 6.2
142 6.2
143 6.2
144 6.2]
plot(A(:,1),A(:,2))
F. 在计量经济学预测GDP的时候用ARMA模型和用回归方程有什么不同 哪个精度高
GDP=C+I+G+NX是个会计恒等式，在任何条件下都应该得到满足，各个账户之间是自动专适应的，它们总是属满足这个等式。所以，GDP=β1C+β2I+β3G+β4NX+u是不成立的，它不应该有随机干扰项。实际上，GDP=C+I+G+NX已经是个现成的方程，不需要估计任何参数，它的所有数据都是现成的，只有极少的误差（误差源自于统计上的差错、地下交易等）在计量分析中，这个等式往往是用来和其他方程（比如消费方程，投资方程）联立，建立联立方程组模型，用此等式去化简方程得到简化式或者消去某个内生变量。
G. 时间序列模型中，哪一个模型可以较好地拟合波动性的分析和预测
主成份分析是为了提前众多指标中有典型代表性的几个主要成分，其中主成分的一种回计算得答分方法是用回归方法
ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。
ARIMA模型建立在历史数据的基础上，故搜集的历史数据越多，模型越准确。
每月储蓄数据.可以看作是随着时间的推移而形成的一个随机时间序列，通过对该时间序列上储蓄值的随机性、平稳性以及季节性等因素的分析，将这些单月储蓄值之间所具有的相关性或依存关系用数学模型描述出来，从而达到利用过去及现在的储蓄值信息来预测未来储蓄情况的目的。
H. 为什么计量经济学强调模型设定，而时间序列分析强调模型识别
不明白这抄两个问题有啥关联……袭
感觉计量经济学强调假设是因为变量多，时间序列变量不就是时间吗？
经济学模型本身就是建立在模型假设的基础上，抓住主要变量，就能最大程度的降低模型复杂程度，提高准确率。
时序分析不同模型适应于不同的时间序列，选择模型错误，拟合度差，预测什么的就没办法做下去。而且时序分析工作第一步应该就是判断用什么样的模型进行拟合的，大部分时序还是比较好判别选择的。不选择好模型下面怎么进行呢，选择错误那就不需要有以后了嘛。
这么粗略的描述不知道能不能解答你的问题，等大神深度解剖交流。
I. 有人会做时间序列计量经济学模型检验吗，用EVIEWS做
软件分析内容太多了，要指出主要内容。就写论文来说，目前流行的主要是两大块，一是时间序列，包括协整，单位根检验、VAR、脉冲响应等。二是面板模型。