广东财经大学时间序列实验1.docVIP

实验报告 课程名称 时间序列分析 实验项目名称 平稳过程建模 班级与班级代码 实验室名称（或课室） 3-903 专 业 统计学 任课教师 陈军才 学 号： 姓 名： 实验日期： 年 10 月 18日 广东商学院教务处 制 姓名 实验报告成绩 评语： 指导教师（签名） 年 月 日 说明：指导教师评分后，实验报告交院（系）办公室保存。 某化妆品公司从2006年至2010年每月的实际销售量 数据分析实验报告 一、实验目的 熟悉MA、AR、ARMA模型的样本自相关系数和偏相关系数的特点，利用它们识别和建立ARMA模型 二、实验内容 分析某化妆品公司从2006年至2010年每月的实际销售量数据 三、实验仪器与材料(或软硬件环境) SAS/ETS模块 四、实验过程和步骤 1、创建名为exp2的SAS数据集，即在窗中输入下列语句： data exp2; input x @@; n=_n_; cards; 8.11 5.29 7.53 7.72 8.95 8.26 8.37 8.68 9.28 9.17 9.74 9.09 9.82 9.83 9.68 9.95 10.52 8.87 8.80 9.82 9.71 10.46 10.28 10.66 10.45 10.81 10.71 10.52 10.81 10.21 9.48 9.39 9.68 9.36 9.57 9.75 9.44 9.49 9.36 9.03 9.85 8.29 9.22 8.88 8.79 8.88 9.60 9.88 9.55 9.56 9.04 9.21 9.12 8.83 9.06 9.38 9.54 9.60 9.72 9.83 ； run; 2、保存此步骤中的程序，供以后分析使用。 3、绘时间序列图，观察序列特征，输入下列程序： proc gplot data=exp2; symbol i=spline v=star h=2 c=green; plot x*n; run; 4、提交程序，在graph窗口中观察序列（图1），可以看出此序列基本是均值平稳序列。 5、识别模型，输入如下程序。 proc arima data=exp2; identity var=x nlag=12; run; 6、提交程序，观察输出结果，见下图 发现一阶样本偏相关系数在2倍的标准差之外，二阶样本偏相关系数在2倍标准差附近。同时，该序列自相关系数显示出拖尾的性质。因此我们可初步识别为AR（1）或AR（2），我们分别估计这两个模型，输入如下程序： estimate plot p=1; run; estimate plot p=2; run; 7、提交程序，观察输出结果。参数估计结果见表1,白噪声检验结果见表2。 表1 参数估计结果 参数 AR（1） AR（2） Mu 9.25962(0.25715)* 7.01318(0.56781)* AR（1） 0.68885(0.09638)* 0.50456(0.11640)* AR（2） 0.49039(0.11742)* AR（3） 注：表中报告的是参数估计值，括号内是其标准差；*表示在10%的显著性水平下是显著的。 表2 模型的白噪声检验 滞后步数 AR（1） AR（2） 6 2.83（0.7260） 1.48 (0.8307) 12 3.70（0.9778） 4.70 (0.9100 18 9.60（0.9194） 12.35 (0.7194) 注：表中报告的是Ljung-Box的卡方统计量，括号内是其概率值。 由表1和表2可知，所有模型的参数都显著，且残差都能通过Ljung-Box的卡方白噪声检验。 8、确定模型阶数。利用AIC和SBC信息准则来确定模型阶数, AIC和SBC值见表3。 表3 模型的信息准则值 信息准则 AR（1） AR（2） AIC 122.8982 117.9149 SBC 127.