时间序列分析解析实验指导书资料.pdfVIP

目录 实验一 分析太阳黑子数序列 实验二 模拟AR 模型 实验三 模拟MA模型和ARMA模型 实验四 分析化工生产量数据 实验五 模拟ARIMA模型和季节ARIMA模型 实验六 分析美国国民生产总值的季度数据 实验七 分析国际航线月度旅客总数数据 太阳黑子年度数据 美国国民收入数据 化工生产过程的产量数据 国际航线月度旅客数据 实验一 分析太阳黑子数序列 一、 实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS 软件使用方法。 二、实验内容：分析太阳黑子数序列。 三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。 四、实验时间：3 学时。 五、实验软件：SAS 系统。 六、实验步骤 1、开机进入SAS 系统。 2、 创建名为exp1 的SAS 数据集，即在窗中输入下列语句： data exp1; inputa1 @@; year=intnx(‘year’,’1jan1742’d,_n_-1); formatyear year4.; cards; 输入太阳黑子数序列(见附表) run; 3、 保存此步骤中的程序，供以后分析使用 （只需按工具条上的保存按钮然后填写完提问 后就可以把这段程序保存下来即可）。 4、 绘数据与时间的关系图，初步识别序列，输入下列程序： proc gplotdata=exp1; symboli=spline v=starh=2 c=green; plot a1*year; run; 5、 提交程序，在graph 窗口中观察序列，可以看出此序列是均值平稳序列。 6、 识别模型，输入如下程序。 proc arimadata=exp1; identify var=a1 nlag=24; run; 4 7、 提交程序，观察输出结果。初步识别序列为AR(3)模型。 8、 估计和诊断。输入如下程序： estimate p=3; run; 9、 提交程序，观察输出结果。假设通过了白噪声检验，且模型合理，则进行预测。 10、 进行预测，输入如下程序： forecast lead=6 interval=yearid=yearout=out; run; proc printdata=out; run; 11、 提交程序，观察输出结果。 12、 退出SAS 系统，关闭计算机。 实验二 模拟AR 模型 一、 实验目的：熟悉各种AR 模型的样本自相关系数和偏相关系数的特点，为理 论学习提供直观的印象。 二、 实验内容：随机模拟各种AR 模型。 三、 实验要求：记录各AR 模型的样本自相关系数和偏相关系数，观察各种序列 图形，总结AR 模型的样本自相关系数和偏相关系数的特点 四、 实验时间：3 学时。 五、 实验软件：SAS 系统。 六、 实验步骤 1、开机进入SAS 系统。 2、 模拟实根情况，模拟t t t t z +z −z =a −1 −2 0.6 0.4 过程。 3、 在edit 窗中输入如下程序： data a; x1 0.5; x2=0.5; n -50; do i -50 to 250; a=rannor(32565); x=a-0.6*x1+0.4*x2; x2=x1; x1=x; n=n+1; if i0then output; end; run; 4、观察输出的数据，输入如下程序，并提交程序。 proc printdata=a; 6 var x; proc gplotdata=a; symboli=spline c=red; plot x*n; run; 5、 观察样本自相关系数和偏相关系数，输入输入如下程 序，并提交程序。 proc arimadata=a; identify var=xnlag=10outcov=exp1; run; proc gplotdata=exp1; symboli=needle width=6; plot corr*lag; run; proc gplotdata=exp1; symboli=needle width=6; plot partcorr*lag; run; 6、 作为作业把样本自相关系数和偏相关系数记录下来。 7、 估计模型参数，并与实际模型的系数进行对比，即输入如下程序，并提交。 proc arimadata=a; identify var=xnlag=10; run; estimate p=2; run; 8、 模拟虚根情况，模拟t t t t z −z z