时序分析论文1..docVIP

时序分析数学实验 题目(点明问题和方法) 班级 班级 学号 学号 姓名 姓名 邮箱 邮箱 电话 电话 教师评分 提交日期 2014年 月 日 时 分摘要 进出口总值当期值分析是根据往年实际进出我国国境的总金额 图1 2.模型识别 调用ARIMA过程，对模型的阶数进行识别，对变量total进行一阶差分，程序见附录。 运行程序，输出的部分结果如下。 图2、3中所示为进出口总值当期值（total）的一阶差分序列的基本统计量，自相关函数序列、偏相关函数序列。从图中可以看出自相关序列有明显的拖尾趋势，而偏相关函数序列是一阶截尾的。 因此推断建立AR(1)模型来拟合total的一阶差分序列。 图 4 所示是total的一阶差分序列的白噪声检验结果，可以看出，滞后 6、12、18、24 期的显著性检验概率均小于0.0001。 图2 图3 图4 3.模型估计 根据以上分析，确定了模型的阶数 p=1，并进行了一阶差分。运行程序，输出的部分结果如下。 如图5中所示，在0.01的显著水平上，参数AR(1,1)显著的不为0。另外，图中还输出了方差估计AIC信息准则等等结果。 Ps：（AIC信息准则：赤池信息量准则，即Akaike information criterion、简称AIC，是衡量统计模型拟合优良性的一种标准，是由日本统计学家赤池弘次创立和发展的。赤池信息量准则建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。。其中：，是进出口总值当期值一阶差分后，又消除了均值的序列，是白噪声序列。 4.模型预测 下面使用ARIMA(1,1，0)模型来预测进出口总值当期值在未来五个月的数据。程序见附录。 运行程序，输出结果如图，其中给出了预测值、标准误差、95%置信区间的上下限。 图5 图6 图7 下面对模型的预测结果进行绘图，程序见附录。 运行程序，输出的图形如图，可以看出原始数据（绿色的星号）全部落在了预报置信区域之内（两条虚线之间）。 图8 5.结果分析?? ??进出口总值会受很多因素的影响，如汇率，国民生产总值等因素的影响。对外贸易的发展对中国经济发展起到了不可低估的作用，在一定程度上反映了国家的经济整体情况。因此对进出口总值当期值的未来走势分析进行预测分析是有必要的。 从实际数据可以看出用时间序列的ARIMA模型预测结果较好，进出口总值当期值随着时间的推移其值也是不断的增长。但是，越来越高的进出口贸易的增长，直接的结果就是我国外贸依存度的迅速攀升，这在一定程度上造成国民经济的过分对外依赖,国际经济形式的风云变幻在一等程度上会严重影响我国的经济发展。国家也应对此问题作出相应的政策解决对外贸易的过分依赖。 参考文献 1.何书元，应用时间序列分析，北京大学出版社； 2.杜强，SAS统计分析标准教程，人民邮电出版社； 3.中国国家统计局统计数据。 附录：程序及原始数据 Proc gplot data=Have; Plot total*date; /*画出进出口总值当期值对时间的序列图*/ Symbol i=join v=star c=black; Run; Proc arima data =Have; Identify var=total(1); /*对total变量进行一阶差分*/ Run; Proc arima data=Have; Identify var=total(1); Estimate p=1; Run; Data Have; Forecast lead=5 id=date out=results; /*预测未来五个月的进出口总值当期值*/ Proc gplot data=results; Plot total*date=1 forecast*date=2 l95*date=3 u95*da