DSDLNY MWw H 2.40 A 41 Lny,=xr,(EViews: DLOG(Y, 1, 12)) Nm+如a二99里月下用用R而高期 图241412Lm的相关图(下)和偏相关图(上) 建模1:用19781-19891期间数据,估计y的(1,1,1)×(1,1,0)2阶季节时间序列模 型,得结果如下 (1+0.5924L)(1+0.409311)441Lm=(1+04734L)v (5.4) R2=0.3,e.=0.146,Q36)=15.5,00(36-2-1)=44 EⅤiews估计命令是 DLOG(Y, 1, 12) AR(1) SAR(12) MA(1) EViews输出结果见图242。 注意 (1)仔细对照(266)式和图242输出结果,不要把自回归系数估计值的符号写错 通过自回归特征根倒数-0.59可知,把表达式中的算子写作(1+0.5924L)是正确的。通过移动 平均特征根倒数047可知,把表达式中的算子写作(1+04734L)是正确的 (2)表达式中,季节和非季节因子(特征多项式)之间是相乘关系。 (3)在EⅤiews估计命令中把变量写作DLOG(Y,1,12)的好处是可以直接对y和A12Lmy 预测 (4)以上 EViews估计命令为例,如果命令中没有AR(1)项,那么SAR(12)项的输出 结果将变为AR(12),为什么? 模型残差序列的相关与偏相关图如图2438 -0.4 -0.2 0.0 0.2 0.4 78 79 80 81 82 83 84 85 86 87 88 89 DSDLNY 图 2.40  12 Lnyt = xt，（EViews：DLOG(Y,1,12)） 图 2.41 12 Lnyt 的相关图（下）和偏相关图（上） 建模 1：用 1978:1~1989:11 期间数据，估计 yt 的 (1, 1, 1)  (1, 1, 0)12阶季节时间序列模 型，得结果如下： (1+ 0.5924 L) (1 + 0.4093 L 12) 12Lnyt = (1+0.4734 L) vt (2.66) (4.5) (5.4) (1.9) R 2 = 0.33, s.e. = 0.146, Q(36) = 15.5,  2 0.05(36-2-1) = 44 EViews 估计命令是 DLOG(Y,1,12) AR(1) SAR(12) MA(1) EViews 输出结果见图 2.42。 注意： （1）仔细对照（2.66）式和图 2.42 输出结果，不要把自回归系数估计值的符号写错。 通过自回归特征根倒数-0.59 可知，把表达式中的算子写作(1+ 0.5924 L)是正确的。通过移动 平均特征根倒数-0.47 可知，把表达式中的算子写作(1+0.4734 L) 是正确的。 （2）表达式中，季节和非季节因子（特征多项式）之间是相乘关系。 （3）在 EViews 估计命令中把变量写作 DLOG(Y,1,12)的好处是可以直接对 yt和12 Lnyt 预测。 （4）以上 EViews 估计命令为例，如果命令中没有 AR(1)项，那么 SAR(12) 项的输出 结果将变为 AR(12)，为什么？ 模型残差序列的相关与偏相关图如图 2.43