王燕时间序列分析第四章SAS程序.pdf

第三章20题 data yx_320; input x@@; t=intnx(quarter,1jul1971d,_n_-1); format t yyq4; cards; 63.2 67.9 55.8 49.5 50.2 55.4 49.9 45.3 48.1 61.7 55.2 53.1 49.5 59.9 30.6 30.4 33.8 42.1 35.8 28.4 32.9 44.1 45.5 36.6 39.5 49.8 48.8 29 37.3 34.2 47.6 37.3 39.2 47.6 43.9 49 51.2 60.8 67 48.9 65.4 65.4 67.6 62.5 55.1 49.6 57.3 47.3 45.5 44.5 48 47.9 49.1 48.8 59.4 51.6 51.4 60.9 60.9 56.8 58.6 62.1 64 60.3 64.6 71 79.4 59.9 83.4 75.4 80.2 55.9 58.5 65.2 69.5 59.1 21.5 62.5 170 -47.4 62.2 60 33.1 35.3 43.4 42.7 58.4 34.4 ; proc gplot data=yx_320; plot x*t=1; symbol1 c=red i=join v=circle; run; proc arima data=yx_320; identify var=x nlag=12; run; identify var=x nlag=12 minic p=(0:6) q=(0:6); run; estimate p=1 q=3; run; estimate p=1 q=2 noint; run; forecast lead=5 id=t out=yx_320; run; proc gplot data=yx_320; plot x*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay; symbol1 c=balck i=none v=star; symbol2 c=red i=join v=none; symbol3 c=blue i=join v=none l=32; run; （1） 时序图： x 200 100 0 -100 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 t 通过时序图可以判断，此时间序列平稳。检验结果显示，在各阶延迟下，LB 检验统 计量的P 值都很小，均小于0.05 。因而可以认为此时间序列为非纯随机数列。 通过ACF 图和PACF 图可以判断为ARMA 模型。 （2 ） 由此分析结果可知，相对最优模型为ARMA （1，3 ）。以此结果作为参考，进行下一 步的模型参数估计。 由分析结果可知，θ，φ 不显著，故再次估计未知参数的结果。 2 1 通过多次估计调整，将模型调整为ARMA （1.2），并去掉常数项，进行估计，得到 如下结果： 可以看