CPI的时间序列分析,eviews~~

首先，对原始数据的异方差性进行消除，这需要对原始数据做自然对数处理，得到 lnyt 。在建立模型之前，我们还需要对时间序列的平稳性进行检验。我们应用自相关函数（ACF）与偏相关函数（PACF）来识别 lnyt 的平稳性。

从图2可以看到，对于 lnyt 的自相关函数（ACF）表现为缓慢的拖尾，而偏相关函数（PACF）表现为截尾，因而，可以得到初步的结论是该时间序列是非平稳的。因此，为了使该序列趋于平稳，需要对其进行差分化处理，使用SPSS【4】对 lnyt 进行一阶差分，得到 Dlnyt 。

图 2 差分前时间序列的ACF 与 PACF图

如图3、4所示，从中可以看到，通过一阶差分处理以后的 lnyt 已经消除了时间序列的趋势性。对 Dlnyt 进行ADF平稳性单根检验，结果如表1，从表1可知，在1%的水平下 Dlnyt 即可通过ADF单根检验，即时间序列 Dlnyt 为平稳性时间序列。