SAS时间序列分析.pptx

时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。 时间序列分析师定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物发展的趋势。二是考虑到事物发展的随机性。任何事物发展都可能受到偶然因素影响，为此要利用统计分析中加权平均发对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只是用于短期预测。时间序列预测，一般反应三种实际变化的规律：趋势变化、周期性变化、随机变化。;data exp3; input tov@@; date=intnx(qtr,1jan64d,_n_-1); format date yyqc.; datalines; 227.8 231.7 236.1 246.3 252.6 259.9 266.8 268.1 263.0 259.5 261.2 258.9 269.6 279.3 296.9 308.4 323.2 331.1 337.9 342.3 345.3 345.9 351.7 364.2 371.0 374.5 373.7 368.7 368.4 368.7 373.4 381.9 394.8 403.1 411.4 417.8 420.5 426.0 430.8 439.2 448.1 450.1 457.2 451.7 444.4 448.6 461.8 475.0 499.0 512.0 512.5 516.9 530.3 529.2 532.2 527.3 531.8 542.4 553.2 566.3 579.0 586.9 594.1597.7 606.8 615.3 628.2 637.5 654.5 663.4 674.3 679.9 701.2 713.9 730.4 752.6 775.6 785.2 798.6 812.5 822.2 828.2 844.7 861.2 886.5 910.8 926.0 943.6 966.3 979.9 999.3 1008.0 1020.3 1035.7 1053.8 1058.4 1104.2 1124.9 1144.4 1158.8 1198.5 1231.8 1256.7 1297.0 1347.9 1379.4 1404.4 1449.7 1463.9 1496.8 1526.4 1563.2 1571.3 1608.3 1670.6 1725.3 1783.5 1814.0 1847.9 1899.0 1954.5 2026.4 2088.7 2120.4 2166.8 2293.7 2356.2 2437.0 2491.4 2552.9 2629.7 2687.5 2761.7 2756.1 2818.8 2941.5 3076.6 3105.4 3197.7 3222.8 3221.0 3270.3 3287.8 3323.8 3388.2 3501.0 3596.8 3700.3 3824.4 3911.3 3975.6 4022.7 4100.4 4158.7 4238.8 4306.2 4376.6 4399.4 4455.8 4508.5 4573.1 4655.5 4731.4 4845.2 4914.5 5013.7 5105.3 5217.1 5329.2 5423.9 5501.3 5557.0 5681.4 5767.8 5796.8 5813.6 5849.0 5904.5 5959.4 6016.6 6138.3 6212.2 6281.1 6390.5 6458.4 6512.3 6584.8 6684.5 6773.6 6876.3 6977.6 7062.2 7140.5 7202.4 7293.4