SAS时序的模板程序说明.ppt

时序分析程序说明 过程 单变量场合：模型的识别，拟合，预测 多变量场合：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 过程三阶段建模 ; 识别 估计 ; 预测 语句 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 相应变量名 可选择命令； 例句 ; 对变量进行识别，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 (); 对的步差分变量进行识别，输出上面三种结果 (); 对的一阶差分变量进行识别 (，); 对的二阶差分变量进行识别 (，); 对的一阶和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） 可选命令 ； 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。如果不特别指定的阶数，计算机默认的输出阶数是() () ()； 在自相关阶数跑遍，移动平均阶数跑遍 的范围内，寻找最小的模型阶数（一种傻瓜型定阶方法） （）； 单位根检验（或检验，其中检验等于()检验） (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 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 () (); 对的一阶差分序列进行识别，输出延迟阶的基本统计，自相关信息和白噪声检验信息 对的一阶差分序列进行滞后阶数分别等于的检验 () (); 对的一阶差分序列进行滞后阶数分别等于的检验 其他同上 例句 () () (); 对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 对一阶差分序列寻找最优拟合阶数（) 例句 () ; 对的一阶差分序列进行识别 以作为输入变量，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 () (); 对的一阶差分序列进行识别（输出滞后阶的相关信息） 以的一阶差分序列作为输入变量，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 () （() ）; 对的一阶差分序列进行识别（输出滞后阶的相关信息） 以的一阶差分序列和 作为输入变量，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 () （() ）; 其他同上 输出延迟阶数为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 命令 给出指定模型的所有参数的估计值 参数的显著性检验情况 残差的白噪声检验情况 命令格式 自相关阶数 移动平均阶数 ; 或如果为零，可以忽略不写 例句 ; ; 拟合() 模型 (); ( ); 拟合项疏系数模型 (); ; 拟合() 模型 ( ); ()() ()() ; 拟合无常数项乘积模型() × ()模型 带输入变量的估计命令 ( $ ()()输入变量名) 对输入变量序列的()变化量作为解释变量，与相应变量进行回归分析 例句 () (); ( $ ); 对的一阶差分序列和的一阶差分序列建立回归模型 例句 () (); ( $()() ); 对的一阶差分序列和的一阶差分序列建立如下回归模型 () (); ( $()() ); 对的一阶差分序列和的一阶差分序列建立如上回归模型，同时对残差序列拟合()模型 问题 要拟合如下模型如何写命令： 命令 给出估计值及置信区间 给出指定期数的预测值及置信区间 选择是否输出预测结果 命令格式 预测期数 时间标示 单位时间间隔 输出结果数据集； 如果 中指定了输出文件集，这里又一次指定了输出文件集名，这个名称覆盖前一个名称。 例句 例句练习 ;  ;  ;  () ;  ( $ ()() ) ;  ( $ ()() ); ?;  过程 回归分析 进行带自相关误差的回归分析 条件异方差建模 命令 文件名； 应变量自变量 延迟因变量 ( ) 估计方法 ( ) ; 输出文件名 预测值 预测均值 残差值 置信下限 置信上限； 的类型 的类型 例句 ; ; ; 构建如下模型，使用极大使然估计方法，自回归的阶数最大为，最合适的阶数由逐步回归确定 例句 ; ; ; 构建如下模型，使用极大使然估计方法