SAS时序作业1.docVIP

[例2.4] 随机产生1000个服从标准正态分布白噪声序列观察值并绘制时序图的SAS程序 data whitenoise; do time=0 to 1000 by 1; noise=rannor(12345); /*产生N(0,1)的随机数据*/ if time0 then output; end; proc gplot; plot noise*time; /*noise为纵坐标，time为横坐标*/ symbol v=none i=join c=green; proc arima data=whitenoise; identify var=noise; /*对变量noise作分析*/ run; 图1 随机产生1000个服从标准正态分布的白噪声序列的时序图 习题2.3第一题 解决习题2.3第一题的SAS程序 data xulie; input x @@; cards; 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ; proc gplot data=xulie; plot x*x; symbol i=spline v=star h=1 cv=red ci=green; proc arima data=xulie; identify var=x nlag=6;/*计算6步延迟之内的样本自相关系数*/ run; 图2 序列样本自相关图 （1）从序列的递增性质可初步判断该序列是非平稳的。 （2）该序列的样本自相关系数见图2。 （3）该样本自相关图如图2所示，在两步延迟以后，自相关函数基本落入两倍的标准误之内，序列的自相关系数逐步递减的速度相当缓慢，这是具有单调趋势的非平稳序列的自相关图形式。 习题2.3第三题 解决习题2.3第三题的SAS程序 data xulie2; input y x @@; cards; 69.3 1 80.0 2 40.9 3 74.9 4 84.6 5 101.1 6 225.0 7 95.3 8 100.6 9 48.3 10 144.5 11 28.3 12 38.4 13 52.3 14 68.6 15 37.1 16 148.6 17 218.7 18 131.6 19 112.8 20 81.8 21 31.0 22 47.5 23 70.1 24 96.8 25 61.5 26 55.6 27 171.7 28 220.5 29 119.4 30 63.2 31 181.6 32 73.9 33 64.8 34 166.9 35 48.0 36 137.7 37 80.5 38 105.2 39 89.9 40 174.8 41 124.0 42 86.4 43 136.9 44 31.5 45 35.3 46 112.3 47 43.0 48 160.8 49 97.0 50 80.5 51 62.5 52 158.2 53 7.6 54 165.9 55 106.7 56 92.2 57 63.2 58 26.2 59 77.0 60 52.3 61 105.4 62 144.3 63 49.5 64 116.1 65 54.1 66 148.6 67 159.3 68 85.3 69 67.3 70 112.8 71 59.4 72 ; proc gplot data=xulie2; plot y*x; symbol i=spline v=star h=1 cv=red ci=green; proc arima data=xulie2; identify var=y nlag=24; /*计算24步延迟之内的样本自相关系数*/ run; 图3 序列样本自相关图 图4 样本数据的波动直观图 图5 样本自相关性检验结果 该序列的样本自相关系数如图3所示。 （2） 从样本数据的波动直观图（图4）可看出，序列的变化无明显的趋势与规律???可初步估计该序列为平稳序列。从序列样本自相关图中可以看出，该序列的自相关系数都不算大，始终控制在两倍的标准差范围内，可以认为该序列自始至终都在零轴附近波动，因此可判断该序列的随机性十分明显，是平稳序列。 （3） 从样本自相关性检验结果（图5）可看出，除了对延迟6步的样本序列自相关性检验的值大于显著性水平=0.05，其余延迟12步、18步、24步的样本序列自相关性检验的值均小于显著性水平=0.05。不过平稳序列通常具有短期相关性，故以延迟6步的样本序列自相关性检验为准，不能拒绝样本无自相关性的假设，即不能拒绝纯随机的原假设，可认为样本数据变动属于随机波动，该序列为白噪声序列。