最优arma模型及autoreg模型拟合预测.docxVIP

上机练习四上机时间： 2012年11月16日学号：200930980106 姓名： 何斌 年级专业： 10级统计1班 指导老师：肖莉问题：某中部省会城市房地产价格走势的预测。试根据该市2001年1月到2005年5月的市区住房均价数据对该市后三个月市区均价走势进行预测。数据见下表。datepricedateprice2001011889.572003042374.882001021832.332003052483.152001031825.182003062341.82001041672.032003072417.312001051630.832003082175.362001061403.382003092377.022001071706.542003102447.252001081546.252003112471.372001091860.892003122595.962001101842.312004012560.832001111372.882004022667.092001121772.142004032636.742002011874.452004042808.52002021859.822004052533.522002032040.552004062273.822002041742.262004072337.592002051823.272004082544.082002062252.422004092770.012002071861.832004102772.982002081951.212004112636.422002092136.112004122868.92002102124.552005012830.822002112629.482005022973.762002122213.942005032875.722003012374.112005043400.512003022226.52005052941.642003032687.83解：一、拟合ARIMA模型1.1建立数据集，绘制时序图输出时序图显示，该序列有一个明显的随时间线性递增的趋势。如图1-1所示。图1-1 房地产价格走势的时序图1.2对该序列进行一阶差分运算一阶差分后，序列没有明显的非平稳特征，如图1-2所示。图1-2 序列difx的时序图1.3模型识别图1-3 difx的自相关图图1-4 difx的偏自相关图图1-5 白噪声检验及最优模型选择输出结果显示，1阶差分后，序列difv为平稳非白噪声序列，自相关图拖尾，偏自相关图2阶截尾，BIC信息量最小拟合模型为ARMA（1,1）模型，次小拟合模型为AR（2）模型。综合比较后，选择AR（2）模型进行拟合。1.4拟合模型图1-6 拟合信息及参数估计图1-7 白噪声检验及自回归系数多项式拟合结果显示，参数显著且模型显著。模型口径为：或等价记为：1.5利用拟合模型对该市后三个月市区均价走势进行预测图1-8 2005年6、7、8月该市房地产价格预测图1-9 该市房地产价格走势拟合及预测图1.6 SAS程序：data jiage; input x@@; t=intnx(month,1jan2001d,_n_-1); format t monyy7.; difx=dif(x); cards;1889.571832.331825.181672.031630.831403.381706.541546.251860.891842.311372.881772.141874.451859.822040.551742.261823.272252.421861.831951.212136.112124.552629.482213.942374.112226.52687.832374.882483.152341.82417.312175.362377.022447.252471.372595.962560.832667.092636.742808.52533.522273.822337.592544.082770.012772.982636.422868.92830.822973.762875.723400.512941.64 ;proc gplot data=jiage; plot difx*t; symbol i=join v=star h=1 ci=red cv=black w=2;run;proc arima; identify var=x minic p=(0:5) q=(0:5); estimate p=2; forecast lead=3 id=t out=results;run;proc print;run;proc gplot;plot x*t=1 forecast*t=2 l95*t=3 u95*t=3