SAS时序分析程序说明.pptVIP

SAS时序分析程序说明 ARIMA过程 单变量场合：ARIMA模型的识别，拟合，预测 多变量场合：ARIMAX模型的识别，拟合，预测 干预模型的识别，拟合，预测 转移函数模型的识别，拟合，预测 ARIMA过程三阶段建模 PROC ARIMA options; IDENTIFY VAR=variable options;/识别/ ESTIMATE options;/估计/ FORECAST options; /预测/ PROC ARIMA语句 开始进入ARIMA分析程序的起始命令 可选择命令： Data=文件名 /指定分析数据所在文件名/ Out=文件名 /指定输出预测值的SAS数据集/ 例句： PROC ARIMA; 默认对最近一次使用的数据集进行ARIMA分析 PROC ARIMA data=a; 对临时库数据集a进行ARIMA分析 PROC ARIMA data=sasuser.a out=b; 对永久库数据集sasuer.a进行ARIMA分析,预测结果存入临时数据库b IDENTIFY语句 单变量序列样本自相关，逆自相关和偏自相关属性，平稳性识别，白噪声识别，单位根检验结果输出 多变量序列响应变量和解释变量的选择及互相关属性输出 命令格式 IDENTIFY VAR=相应变量名 可选择命令； 例句 Identify var=x; 对x变量进行识别，输出均值，标准差等描述性统计量 输出自相关，逆自相关和偏自相关系数及图（平稳性检验和参数定阶基础） 输出白噪声检验结果 Identify var=x(d); 对X的d步差分变量进行识别，输出上面三种结果 Identify var=x(1); 对X的一阶差分变量进行识别 Identify var=x(1，1); 对X的二阶差分变量进行识别 Identify var=x(1，4); 对X的一阶和4步差分后变量进行识别（通常用于有趋势和有周期的序列识别） IDENTIFY可选命令 Nlag=k； 指明计算自相关系数和互相关系数过程中需要考虑的延迟阶数。如果不特别指定nlag的阶数，计算机默认的输出阶数是min(24,n/4) Minic p=(p1:p2) q=(q1:q2)； 在自相关阶数跑遍p1-p2，移动平均阶数跑遍q1-q2 的范围内，寻找AIC最小的模型阶数（一种傻瓜型定阶方法） Stationarity=（）； 单位根检验（df,adf或pp检验，其中df检验等于adf(1)检验） Crosscorr=(一个或多个输入变量名) 指定输入变量（可以是原序列也可以是差分序列），单个输入变量可以不加括号，多个输入变量要加括号 Outcov=文件名 将自协方差，自相关系数，偏自相关系数和逆自相关系数写入该文件集中 例句 Identify var=cpi(1) nlag=18 stationarity=(adf=3); 对cpi的一阶差分序列进行识别，输出延迟18阶的基本统计，自相关信息和白噪声检验信息 对cpi的一阶差分序列进行滞后阶数分别等于0,1,2,3的adf检验 Identify var=cpi(1) nlag=18 stationarity=(pp=2); 对cpi的一阶差分序列进行滞后阶数分别等于0,1,2的pp检验 其他同上 例句 Identify var=cpi (1) minic p=(0:5) q=(0:5); 对cpi一阶差分序列进行识别，输出基本统计，自相关信息和白噪声检验信息 对cpi一阶差分序列寻找最优拟合阶数（p=5,q=5) 例句 Identify var=cpi(1) crosscorr=gdp; 对cpi的一阶差分序列进行识别 以gdp作为输入变量，cpi的一阶差分序列作为响应变量，对这两个变量之间的互相关关系进行识别 Identify var=cpi(1) crosscorr=gdp(1); 对cpi的一阶差分序列进行识别（输出滞后12阶的相关信息） 以gdp的一阶差分序列作为输入变量，cpi的一阶差分序列作为响应变量，对这两个变量之间的互相关关系进行识别 Identify var=cpi(1) crosscorr=（gdp(1) interest）; 对cpi的一阶差分序列进行识别（输出滞后12阶的相关信息） 以gdp的一阶差分序列和interest 作为输入变量，cpi的一阶差分序列作为响应变量，对解释变量和响应变量之间的互相关关系进行识别 Identify var=cpi(1) nlag=12 crosscorr=（gdp(1) interest）outcov=out; 其他同上 输出延迟阶数为12的自相关和偏自相关系数信息 相关系数的信息存入数据集out ESTIMATE命令 给出指定