DAY5 時序全局主成分分析

上回介紹了主成分分析法，今天來對這種方法進行一些拔高，用EViews來裝飾一下它，讓他不至於顯得那麼low。

被美化過的主成分分析法叫作時序全局主成分分析法，它是基於傳統的主成分分析方法延伸而來的，做傳統的主成分分析時，所考慮的只是截面數據，所研究的也只是二維的問題。當遇到帶有時間維度的截面數據時，就需要使用帶有時間序列分析能力的時序全局主成分分析法。另外，時序全局主成分分析法還克服了擴散指數法無法凸顯週期波動程度、綜合指數法權重設定不夠客觀的缺點，先通過對所選取的時間序列指標進行主成分分析，然後通過得到的方差貢獻率作為綜合指數的權重，具有較強的適用性。

譜分析法雖然客觀實用，同時也考慮了振幅的情況，但該方法對數據的時序性長度有要求，理想的是200個連續的時間序列數據，對於小樣本情況並不適用。

接下來我們接著上回選取的主成分，在其基礎上繼續我們的時序全局主成分分析。

1 綜合評價指標的構建

Eg：重慶市商業地產週期波動的實證研究

通過上述分析結果來構造綜合評價指標，以所選取的主成分的方差貢獻率為權數，構造綜合評價指標

即得到以下數據：

2 HP濾波法分解商業地產週期

HP濾波法是一種使非平穩序列濾出平穩趨勢的方法。

經季節調整後僅包含趨勢部分和週期循環變動部分的時間序列，HP濾波是將趨勢部分和週期循環部分各自分開。

Eg：重慶市商業地產週期波動的實證研究

本文將利用上述綜合評價值畫出商業地產週期波動的時間序列圖，根據圖形分析重慶市近14年的商業地產發展狀況。本文選擇HP濾波分解法對F序列進行趨勢分解。用{Y_t }表示F序列，{T_t }表示週期序列，{C_t }表示循環序列。從而得到：

Y_t=T_t+C_t，t=1,2，···，T

運用Eviews6.0軟體對該序列進行HP濾波的處理，結果如下圖所示：

圖1 綜合評價指標F的時間序列圖

上圖中，可以直觀看到經過去式分解的F趨勢因子序列，Trend表示的是曲線的長期循環，而Cycle則是表示重慶市商業地產週期波動的曲線。

通過時間序列圖中，可以從2003年到2016年重慶市房商業地產的週期波動軌跡中觀測到3個完整的波動週期，週期平均長度為4年左右，具體為2003年到2006年，2007年到2011年，2012年到2016年。就其統計特徵來看，波動幅度在2007年至2011年較大，在之後的一個週期內波動幅度下降即為顯著，這種「微波化」趨勢表明重慶市商業地產發展的穩定性在增強；從波動高度來看，最近一個週期的波峯位置相比前兩個週期已有所下降，表明重慶市商業地產的發展在一定程度上減少了盲目擴張性，同時也從一個側面反映了市場的疲軟；從波動的深度來看，由於此次週期尚處於下降階段，對於波谷的判斷尚不好下結論；耳聰波動的擴張長度來看，重慶市商業地產的波動，從第一個週期的4年，到第二個週期的5年，到第三個週期5年（且尚未結束該週期），週期時間的延長，表明了重慶市商業地產的發展有了更強的持續性。

註：

1.不是累計貢獻度！！！是前面那個累加前的比例。

2.EViews6.0操作過程

主成分分析似乎就是天然上不適合去分析面板數據，應該和SPSS本身也無法去分析面板數據有關係。而關於面板數據的分析方法與操作，將在後面的內容中一一展開。

---

欲獲取詳細內容請掃碼關注

推薦閱讀：