- 1、本文档共18页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
20.1971年9月—1993年6月澳大利亚季度常住人口变动(单位:千人)情况如下表。
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
55.8
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
问题:(1)判断该序列的平稳性与纯随机性。
(2)选择适当模型拟合该序列的发展。
(3)绘制该序列拟合及未来5年预测序列图。
针对问题一:将以下程序输入SAS编辑窗口,然后运行后可得图1.
data example3_1;
input x@@;
time=_n_;
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 55.8
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=example3_1;
plot x*time=1;
symbol1 c=red I=join v=star;
run;
图1 该序列的时序图
由图1可读出:除图中170和-47.4这两个异常数据外,该时序图显示澳大利亚季度常住人口变动一般在在60附近随机波动,没有明显的趋势或周期,基本可视为平稳序列。
再接着输入以下程序运行后可输出五方面的信息。具体见表1-表5.
proc arima data= example3_1;
identify Var=x nlag=8;
run;
表1 分析变量的描述性统计
从表1可读出分析变量的名称、该序列的均值;标准差及观察值的个数(样本容量)。
表2 样本自相关图
由表2可知:样本自相图延迟3阶之后,自相关系数都落入2倍标准差范围以内,而且自相关系数向零衰减的速度非常快,故可以认为该序列平稳。
表3 样本自相关系数
该图从左到右输出的信息分别为:延迟阶数、逆自相关系数值和逆自相关图。
表4 样本偏自相关图
该图从左到右输出信息是:延迟阶数、偏自相关系数值和偏自相关图。
表5 纯随机性检验结果
由上表可知在延迟阶数为6阶时,LB检验统计量的P值很小,所以可以断定该序列属于非白噪声序列。
针对问题二:将IDENTIFY命令中增加一个可选命令MINIC,运行以下程序可得到表6.
表6 IDENTIFY命令输出的最小信息量结果
通过上表可知:在自相关延迟阶数小于等于5,移动平均延迟阶数也小于等于5的所有ARMA(p,q)模型中,BIC信息量相对最小的是ARMA(1,3)模型。
进行参数估计,输入以下命令,运行可得到表7—表10
estimate p=1 q=3;
run;
表7 ESTIMATE命令输出的位置参数估计结果
表8 ESTIMATE命令输出的拟合统计量的值
表9 ESTIMATE命令输出的系数相关阵
表10 ESTIMATE命令输出的残差自相关检验结果
拟合模型的具体形式如表11所示。
表11 ESTIMATE命令输出的拟合模型形式
针对问题三:对拟合好的模型进行短期预测。输入以下命令,运行可得表12和图2.
forecast
文档评论(0)