时序-arma模型判定和预测.docx

上机练习二上机时间： 2012年10月19日学号200930980106姓名何斌年级专业10统计1班问题1：请用时序方法分析以下数据：5 -5 0 2 -2 -3 0-21 7 -3 3 0 -7 222 6 -5 -4 6 0 -29 -3 4 -15 6 2 -1-3 -5 -4 2 -6 7 4-7 13 -8 0 -1 5 -6-4 15 4 3 4 -6 8-8 6 -3 -19 21 -7 2-5 4 0 -7 3 2 2-12 -6 -4 6 4 -2利用SAS完成：1、画时序图，判断该序列的平稳性与纯随机性，要求写出答案；2、如果序列平稳且非白噪声，选择适当模型拟合该序列的发展，要求写出模型；3、利用拟合模型，预测未来5期的数据；(直接拷贝SAS的结果)4、画出拟合效果图，该图由原始序列、预测序列、95%预测置信区间构成；5、请给出完成以上四部分的SAS程序。1.1得到该序列的时序图如下:1.2得到该序列的自相关图如下:1.3得到该序列的白噪声检验如下:1.4分析及结论一:由1.1时序图可以初步判断，该序列为平稳序列，由1.2样本自相关图可知，自相关系数没有明显的周期趋势，也没有递增或递减趋势，故可判断该序列为平稳序列。由白噪声检验可以看出，检验统计量P值小于0.05，故拒绝纯随机的原假设，认为该序列属于非白噪声序列。综上所述，该序列为平稳非白噪声序列。2.1得到该序列的偏自相关图如下:2.2分析及模型初步确定:由1.2样本自相关图可知，该序列的自相关系数呈拖尾性，由2.2样本偏自相关图可知，该序列的偏自相关系数呈1阶截尾，故使用AR（1）模型拟合该序列。2.3模型进一步确定:2.3.1扩大范围拟合，即在自相关延迟阶数以及移动平均延迟阶数均小于等于4的ARMA模型中寻找最优模型。执行identify语句内minic命令:identify var=m nlag=15minic p=(0:4) q=(0:4);run;最后一条信息显示最优模型为AR(1)模型，与2.2的模型分析一致。2.3.2参数估计:参数估计结果显示均值MU不显著（t检验统计量的P值为0.8976大于0.05），其他参数均显著，故选择NOINT选项，除去常数项，再次估计未知参数的结果，即输入第二条ESTIMATE命令:estimate p=1 noint;run;参数估计部分输出结果如下：显然参数通过检验。2.3.4残差白噪声检验:由检验结果可知,接受原假设,即残差为白噪声序列,亦即该拟合模型显著有效。2.3.4拟合模型的具体形式:该输出形式等价于:(1+0.3728B)Xt=εt亦可表示为:Xt=-0.3728Xt-1+εt3.利用拟合模型，预测未来5期的数据:4. 画出拟合效果图，该图由原始序列、预测序列、95%预测置信区间构成:5.完成以上四部分的SAS初始程序:data a1;input m @@;time=_n_;cards;5 -5 0 2 -2 -3 0-21 7 -3 3 0 -7 222 6 -5 -4 6 0 -29 -3 4 -15 6 2 -1-3 -5 -4 2 -6 7 4-7 13 -8 0 -1 5 -6-4 15 4 3 4 -6 8-8 6 -3 -19 21 -7 2-5 4 0 -7 3 2 2-12 -6 -4 6 4 -2;procgplot data=a1; /*画时序图部分*/ plot m*time; symbol i=join v=dot cv=red ci=black;run;p