平稳时间序列分析实验报告模版..docVIP

应 用 时 间 序 列 分 析 实 验 报 告 上机练习（就是每章最后一节上机指导部分） 3.6．绘制时序图 data example3_1; input x@@; time=_n_; cards; 0.30 -0.45 0.36 0.00 0.17 0.45 2.15 4.42 3.48 2.99 1.74 2.40 0.11 0.96 0.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34 -1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36 -0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52 -2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.21 0.78 0.88 2.07 1.44 1.50 0.29 -0.36 -0.97 -0.30 -0.28 0.80 0.91 1.95 1.77 1.80 0.56 -0.11 0.10 -0.56 -1.34 -2.47 0.07 -0.69 -1.96 0.04 1.59 0.20 0.39 1.06 -0.39 -0.16 2.07 1.35 1.46 1.50 0.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05 ; proc gplot data=example3_1; plot x*time=1; symbol1 c=red I=join v=star; run; 实验结果： 实验分析：由时序图显示过去86年中数据围绕在0附近随机波动，没有明显趋势或周期，基本可以看成平稳序列，为了稳妥起见，做了如下自相关图。 3.6.1．INENTIFY语句介绍 data example3_1; input x@@; time=_n_; cards; 0.30 -0.45 0.36 0.00 0.17 0.45 2.15 4.42 3.48 2.99 1.74 2.40 0.11 0.96 0.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34 -1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36 -0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52 -2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.21 0.78 0.88 2.07 1.44 1.50 0.29 -0.36 -0.97 -0.30 -0.28 0.80 0.91 1.95 1.77 1.80 0.56 -0.11 0.10 -0.56 -1.34 -2.47 0.07 -0.69 -1.96 0.04 1.59 0.20 0.39 1.06 -0.39 -0.16 2.07 1.35 1.46 1.50 0.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05 ; proc arima data=example3_1; identify Var=x nlag=8; run; 实验结果： 图一 图二 图三 实验分析：由图一的白噪声检验显示的序列值彼此之间蕴涵着相关关系，为非白噪序列。 再考察样本自相关图（见图二）和样本偏自相关图（见图三），进一步确定平稳性并拟合模型定阶。图二显示，除了延迟1~3阶的自相关系数在2倍标准差范围之外，其余阶数的自相关系数都在2倍标准差范围内波动。根据自相关系数的这个特点可以判断该序列具有短期相关性。 进一步确定序列平稳。再进一步考察自相关系数衰减到零的过程，可以观察到有明显的正弦波动轨迹，这说明自相关衰减到零不是一个突然的过程，而是一个连续渐变的过程，这是自相关系数截尾的典型特征。 在偏自相关图（图三）显示，偏自相关系数显示拖尾的性质。综合该序列自相关系数和偏自相关系数的性质，我可以初步确定