应用时间序列实验报告材料.docxVIP

实用文档 实用文档 文案大全 文案大全 河南工程学院课程设计 《时间序列分析课程设计》 学生姓名学号： 学 专 业 班 院： 级： 理学院 专指 业导 课教 程： 师： 时间序列分析课程设计 2017 年 6 月 2 日 考核项目 考核项目 考核内容 得分 出勤情况、实训态度、效率；知识掌握情况、基本操作 平时考核（20 分） 技能、知识应用能力、获取知识能力 实验一（20 分） 完成此实验并获得实验结果 实验二（20 分） 完成此实验并获得实验结果 实验三（20 分） 完成此实验并获得实验结果 文档资料（20 分） 表达能力、文档写作能力和文档的规范性 总评成绩 指导教师评语： 目 录 实验一 澳大利亚常住人口变动分析 1 实验目的 1 实验原理 1 实验内容 2 实验过程 3 实验二 我国铁路货运量分析 8 实验目的 8 实验原理 8 实验内容 9 实验过程 10 实验三 美国月度事故死亡数据分析 14 实验目的 14 实验原理 15 实验内容 15 实验过程 16 课程设计体会 19 实验一 澳大利亚常住人口变动分析 1971 年 9 月—1993 年 6 月澳大利亚常住人口变动（单位：千人）情况如表 所示（行数据）。 表 1-1 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 56.8 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 判断该序列的平稳性与纯随机性。 选择适当模型拟合该序列的发展。 绘制该序列拟合及未来 5 年预测序列图。 实验目的 掌握用 SAS 软件对数据进行相关性分析，判断序列的平稳性与纯随机性,选择模型拟合序列发展。 实验原理 平稳性检验与纯随机性检验 对序列的平稳性检验有两种方法，一种是根据时序图和自相关图显示的特征做出判断的图检验法；另一种是单位根检验法。 模型识别 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 模型预测 模型拟合好之后，利用该模型对序列进行短期预测。 实验内容 判断该序列的平稳性与纯随机性 时序图检验，根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常识值附近波动，而且波动的范围有界。如果序列的时序图显示该序列有明显的趋势性或周期性，那么它通常不是平稳序列。 对自相关图进行检验时，可以用 SAS 系统 ARIMA 过程中的 IDENTIFY 语句来做自相关图。 而单位根检验我们用到的是 DF 检验。以 1 阶自回归序列为例： x ?? x ?? 该序列的特征方程为： t 1 t?1 t 特征根为： 当特征根在单位圆内时： ? ? ? ? 0 ? ? ? 该序列平稳。 ? ?1 1 当特征根在单位圆上或单位圆外时： ? ?1 1 该序列非平稳。 对于纯随机性检验，既白噪声检验，可以用 SAS 系统中的 IDENTIFY 语句来输出白噪声检验的结果。 选择适当模型拟合该序列的发展 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 ARIMA 过程的第一步是要 IDENTIFY 命令对该序列的平稳性和纯随机性进行识别，并对平稳非白噪序列估计拟合模型的阶数。使用命令如下： proc print data=example3_20; IDENTIFY VAR =people nlag=8 minic p= (0:5) q =(0:5); run; 绘制该序列拟合及未来 5 年预测序列图 模型拟合好之后，利用该模型对序列进行短期预测。预测命令如下： forecast lead=5 id=time out=results; run; 其中，lead 指定预期数；id 指定时间变量标识；out 指定预