应用时间序列分析第章.docVIP

佛山科学技?术学院 应 用 时 间 序 列 分 析 实 验 报 告 实验名称 第五章 非平稳序列?的随机分析? 一、上机练习 通过第4章?我们学习了?非平稳序列?的确定性因?素分解方法?，但随着研究?方法的深入?和研究领域?的拓宽，我们发现确?定性因素分?解方法不能?很充分的提?取确定性信?息以及无法?提供明确有?效的方法判?断各因素之?间确切的作?用关系。第5章所介?绍的随机性?分析方法弥?补了确定性?因素分解方?法的不足，为我们提供?了更加丰富?、更加精确的?时序分析工?具。 5.8.1 拟合ARI?MA模型 【程序】 data examp?le5_1?; input? x@@; difx=dif(x); t=_n_; cards?; 1.05 -0.84 -1.42 0.20 2.81 6.72 5.40 4.38 5.52 4.46 2.89 -0.43 -4.86 -8.54 -11.54 -16.22 -19.41 -21.61 -22.51 -23.51 -24.49 -25.54 -24.06 -23.44 -23.41 -24.17 -21.58 -19.00 -14.14 -12.69 -9.48 -10.29 -9.88 -8.33 -4.67 -2.97 -2.91 -1.86 -1.91 -0.80 ; proc gplot?; plot x*t difx*t; symbo?l v=star c=black? i=join; proc arima?; ident?ify var=x(1); estim?ate p=1; estim?ate p=1 noint?; forec?ast lead=5 id=t out=out; proc gplot? data=out; plot x*t=1 forec?ast*t=2 l95*t=3 u95*t=3/overl?ay; symbo?l1 c=black? i=none v=star; symbo?l2 c=red i=join v=none; symbo?l3 c=green? I=join v=none; run; 【结果及分析?】 1、输出序列x?时序图：由图1-1显示出这?是一个典型?的非平稳序?列，考虑对该序?列进行1阶?差分。 图1-1 序列x时序?图 2、序列dif?x时序图：如图1-2所示，时序图显示?差分后序列?difx没?有明显的非?平稳特征。 图1-2 序列dif?x时序图 3、序列dif?x白噪声检?验：图1-3所示，由结果可知?拒绝原假设?，1阶差分后?序列dif?x为平稳非?白噪声序列?。 图1-3 序列dif?x白噪声检?验结果 4、模型定阶：由图1-4自相关图?和图1-5偏自相关?图我们可以?看到，序列dif?x具有显著?的自相关系?数不截尾，偏自相关系?数1阶截尾?的性质，对1阶差分?后序列di?fx拟合A?R(1)模型。 图1-4 序列dif?x自相关图? 图1-5 序列dif?x偏自相关?图 5、参数估计及?模型检验： 图1-6 参数估计结?果 由图1-6我们看到?，参数估计结?果显示常数?项不显著，消除常数项?再拟合AR?(1)模型，结果如图1?-7。 图1-7 消除常数项?后的参数估?计结果 由图1-7结果知，参数显著。再看序列d?ifx的残?差自相关检?验结果，如图1-8所示： 图1-8 残差自相关?检验结果 图1-8结果显示?，延迟各阶的?LB统计量?的P值均显?著大于，所以该拟合?模型显著有?效，拟合结果如?图1-9所示： 图1-9 模型拟合结?果 6、模型口径：根据前面1?-5的分析以?及输出结果?，我们可以得?到序列x的?拟合模型为?，模型记为：。 7、短期预测：利用拟合模?型对序列x?进行5期预?测，预测结果和?拟合效果图?如下。 图1-10 预测结果 图1-11 拟合效果图? 5.8.2 拟合Aut?o-Regre?ssive?模型 【程序】 data examp?le5_2?; input? x@@; lagx=lag(x); t=_n_; cards?; 3.03 8.46 10.22 9.80 11.96 2.83 8.43 13.77 16.18 16.84 19.57 13.26 14.78 24.48 28.16 28.27 32.62 18.44 25.25 38.36 43