原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
应 用 时 间 序 列 分 析 实 验 报 告
实验名称 第五章 非平稳序列的随机分析
上机练习
5.8.1 拟合ARIMA模型
data example5_1;
input x@@;
difx=dif(x);
t=_n_;
cards;
1.05 -0.84 -1.42 0.20 2.81 6.72 5.40 4.38
5.52 4.46 2.89 -0.43 -4.86 -8.54 -11.54 -16.22
-19.41 -21.61 -22.51 -23.51 -24.49 -25.54 -24.06 -23.44
-23.41 -24.17 -21.58 -19.00 -14.14 -12.69 -9.48 -10.29
-9.88 -8.33 -4.67 -2.97 -2.91 -1.86 -1.91 -0.80
;
proc gplot;
plot x*t;
symbol v=star c=black i=join;
run;
输出时序图显示这是一个典型的非平稳序列。如图（1）所示：
图（1）
考虑对该序列进行1阶差分运算，同时考察差分序列的平稳性，在原程序基础上添加相关命令，程序修改如下：
proc gplot;
plot x*t difx*t;
symbol v=star c=black i=join;
proc arima;
identify var=x(1);
estimate p=1;
estimate p=1 noint;
forecast lead=5 id=t;
run;
（1）我们在GPLOT过程中添加绘制了一个时序图“difx*t”，这是为了直观考察1阶差分后序列的平稳性。所得时序图如图（2）所示：
图（2）
时序图显示差分后序列difx没有明显的非平稳特征。
（2）“identify var=x(1);”，使用该命令可以识别差分后序列的平稳性。纯随机性和适当的拟合模型阶数。其中x（1）表示识别变量x的1阶差分后序列。识别部分的输出结果显示1阶差分后序列difx为平稳非白噪声序列，而且具有显著的自相关系数不截尾、偏自相关系数1阶截尾的性质。
（3）“estimate p=1;”对1阶差分后序列▽Xt拟合AR（1）模型。输出拟合结果显示常数项不显著，添加或修改估计命令如下：
estimate p=1 noint;
这就是命令系统不要常数项拟合AR（1）模型，拟合结果显示模型显著且参数显著。如图（3）所示：
输出结果显示，序列Xt的拟合模型为ARIMA（1,1,0）模型。
（4）“forecast lead=5 id=t;”，利用拟合模型对序列Xt作5期预测。
5.8.2 拟合Auto-Regressive模型
在SAS系统中有一个AUTOREG程序，可以进行残差自回归模型拟合。下面以临时数据example5_2的数据为例，介绍相关命令的使用。
一、建立数据集，绘制时序图
data example5_2;
input x@@;
t=_n_;
lagx=lag(x);
cards;
3.03 8.46 10.22 9.80 11.96 2.83
8.43 13.77 16.18 16.84 19.57 13.26
14.78 24.48 28.16 28.27 32.62 18.44
25.25 38.36 43.70 44.46 50.66 33.01
39.97 60.17 68.12 68.84 78.15 49.84
62.23 91.49 103.20 104.53 118.18 77.88
94.75 138.36 155.68 157.46 177.69 117.15
;
proc gplot data=example5_2;
plot x*t =1;
symbol1 c=black i=join v=start;
run;
输出时序图如图（4）所示：
图（4）
时序图显示，序列x有一个明显的随时间线性递增的趋势，同时又有一定规律性的波动，所以不妨考虑使用误差自回归模型拟合该序列的发展。
二、因变量关于时间的回归模型
proc autoreg data=example5_2;
model x=t/dwprob;
run;
语句说明：
（1）“proc autoreg data=example5_2;”指令SAS系统对临时数据集example5_2进行自回归程序分析。
（2）“model x=t/dwprob;”指令SAS系统以变量t作为自变量，变量x作为因变量，建立线性模型：
Xt=a+bt+Ut
并给出残差序列{Ut}DW检验统计量的分位点。
本例中，序列x关于变量t的线性回归模型最
文档评论（0）