第四章 非平稳序列及确定性分析.ppt

(7)例4.7的SAS过程 data bb; input xx@@; t=intnx(month,1jan1993d,_n_-1); format t year4.; cards; 剔除季节效应后的数据 ; proc gplot data=bb; plot xx*t; symbol c=black i=none v=star; run; 对消除季节效应后的数据集bb画图，对应书4-8图 (7)例4.7的SAS过程 Data b; set bb (keep=xx); t=_n_; proc reg; model xx=t; output out=out p=xxx; proc print data=out; run; proc gplot data=out; plot xx*t=1 xxx*t=2/overlay; symbol2 c=red v=none i=join; run; 线性趋势拟合后的效果图，对应书4-9图 对数据集b进行趋势拟合 (7)例4.7的SAS过程 data c; set out; r=xx-xxx; proc print; run; proc gplot data=c; plot r*t; run; 画残差序列图，对应书4-10图 创建残差数据集c X-11过程 简介 X-11过程是美国国情调查局编制的时间序列季节调整过程。它的基本原理就是时间序列的确定性因素分解方法。 因素分解 长期趋势起伏 季节波动 不规则波动 交易日影响 模型 加法模型 乘法模型 方法特色 普遍采用移动平均的方法 用多次短期中心移动平均消除随机波动 用周期移动平均消除趋势 用交易周期移动平均消除交易日影响 在整个过程中要使用11次移动平均 例4.7续 对1993年——2000年中国社会消费品零售总额序列使用X-11过程进行季节调整 选择模型（无交易日影响） X11过程获得的季节指数(因素) X11过程获得的季节指数(因素) 月份 季节指数 月份 季节指数 1 104.609 7 92.525 2 99.462 8 92.398 3 95.884 9 98.066 4 93.937 10 100.974 5 94.257 11 105.197 6 96.036 12 126.721 X11过程获得的季节指数(因素)图 季节调整后的序列图 趋势拟合图 随机波动序列图 X-11的SAS过程 data a; input x@@; t=intnx(month,1jan1993d,_n_-1); format t year4.; cards; 原始数据 ; proc x11 data=a; monthly date=t; var x; output out=out b1=x d10=season d11=adjusted d12=trend d13=irr; proc gplot data=out; plot x*t=1 season*t=2 adjusted*t=2 trend*t=2 irr*t=2/overlay; symbol1 c=black i=join v=star; symbol2 c=red i=join v=none w=2; run; X-11的SAS过程 语句说明： proc x11 data=a; ：对数据集a的数据进行X-11分析； monthly date=t; ：告诉系统这是月度数据(如是季度数据就记作quarterly)，变量t为时间变量名； var x; ：进行季节调整的变量为x； output out=out b1=x d10=season d11=adjusted d12=trend d13=irr; ：输出部分结果到临时数据集OUT，要求的输出结果是： 1、原始序列值x（表b1的数值）； X-11的SAS过程 output out=out b1=x d10=season d11=adjusted d12=trend d13=irr; ：输出部分结果到临时数据集OUT，要求的输出结果是： 1、原始序列值x（表b1的数值）； 2、季节指数（或称为季节因子）season（表d10的数据）； 3、季节调整后的序列值adjusted（表d11的数据）； 4、趋势拟合值trend（表d12的数据）； 5、不规则波动值irr（表d13的数据）。 第四章总结 时序确定性因素的分解：长期趋势波动、季节性变化、随机波动 趋势分析及其SAS过程 趋势拟合法：线性、非线性 平滑法：移动平均、指数平滑(用Excel完成) 季节效应分析：计算季节指数，用Excel完成 综合分析：理解分析思路，掌握分析步骤以及SAS过程 X－11过程：了解其原理、SAS过程和SAS结