基于SAS分析美国国民生产总值的季度数据研究.docx
《基于SAS分析美国国民生产总值的季度数据研究.docx》由会员分享，可在线阅读，更多相关《基于SAS分析美国国民生产总值的季度数据研究.docx（12页珍藏版）》请在冰豆网上搜索。
基于SAS分析美国国民生产总值的季度数据研究
基于SAS分析美国国民生产总值的季度数据研究
一、目的：
学习时间序列数据分析技巧，了解ARIMA模型。
二、内容：
47年1季度到96年3季度美国国民生产总值的季度数据。
三、要求：
写出分析报告。
四、软件：
SAS系统。
一般流程：
1）平稳性检验
方法：
时序图、自相关系数和自相关图检验、单位根检验
2）模型识别
方法：
利用自相关系数、偏相关系数图进行模型识别；
计算扩展的样本自相关函数并利用其估计值进行模型识别；
利用最小信息准则进行模型识别；
利用典型相关系数平方估计值进行模型识别；
注：
ACF图和PACF图的模型识别
自相关系数图（ACF图）
偏相关系数图（PACF图）
模型识别结果
q阶截尾
拖尾
MA（q）
拖尾
P阶截尾
AR（p）
拖尾
拖尾
ARMA
3）模型的参数估计及检验
检验拟合性、参数估计显著性、残差项无自相关性（残差项白噪声检验）
4）模型的预测
例题实验步骤：
1）建立数据集
dataexp3;
inputgnp@@;
date=intnx（'qtr','1jan47'd,_n_-1）;
formatdateyyqc.;
cards;
227.8231.7236.1246.3252.6259.9266.8268.1263.0
259.5261.2258.9269.6279.3296.9308.4323.2331.1
337.9342.3345.3345.9351.7364.2371.0374.5373.7
368.7368.4368.7373.4381.9394.8403.1411.4417.8
420.5426.0430.8439.2448.1450.1457.2451.7444.4
448.6461.8475.0499.0512.0512.5516.9530.3529.2
532.2527.3531.8542.4553.2566.3579.0586.9594.1
597.7606.8615.3628.2637.5654.5663.4674.3679.9
701.2713.9730.4752.6775.6785.2798.6812.5822.2
828.2844.7861.2886.5910.8926.0943.6966.3979.9
999.31008.01020.31035.71053.81058.41104.21124.91144.4
1158.81198.51231.81256.71297.01347.91379.41404.41449.7
1463.91496.81526.41563.21571.31608.31670.61725.31783.5
1814.01847.91899.01954.52026.42088.72120.42166.82293.7
2356.22437.02491.42552.92629.72687.52761.72756.12818.8
2941.53076.63105.43197.73222.83221.03270.33287.83323.8
3388.23501.03596.83700.33824.43911.33975.64022.74100.4
4158.74238.84306.24376.64399.44455.84508.54573.14655.5
4731.44845.24914.55013.75105.35217.15329.25423.95501.3
5557.05681.45767.85796.85813.65849.05904.55959.46016.6
6138.36212.26281.16390.56458.46512.36584.86684.56773.6
6876.36977.67062.27140.57202.47293.47344.37426.67537.5
7593.6
;
run;
注：
Intnx函数按间隔递增日期，Intnx函数计算某个区间经过若干区间间
隔之后的间隔的开始日期或日期时间值，其中开始间隔内的一个日期或
日期时间值给出。
Intnx函数的格式如下：
Intnx（interval,from,n）
2、2）绘序列图，输入如下程序：
procgplotdata=exp3;
symbol1i=spline;
plotgnp*date=1;
run;
3、观察图形，发现图形成指数函数上升形式，故做对数变换，输入如下程序：
datalexp;
setexp3;
lgnp=log（gnp）;
run;
4、绘变换后序列图，输入如下程序：
procgplotdata=lexp;
symbol2i=splinec=red;
plotlgnp*date=2;
run;
5、提交程序，到graph窗口中观察变换后的序列图，可以看出它成直线上升趋势。
对序列做初步识别，输入如下程序：
procarimadata=lexp;
identifyvar=lgnpnlag=12;
run;
运行结果如下：
Fig1.Descriptionstatistics
Fig2.autocorrelations，inverseautocorrelationsandpartialautocorrelations
Fig3.autocorrelationcheckforwhitenoise
6、提交程序，观察样本自相关系数，可看出有缓慢下降趋势，结合我们观察的图形，我们知道要对序列做差分运算，作一阶差分，输入如下程序：
identifyvar=lgnp
（1）nlag=12;
run;
结果如下：
7、提交程序，观察样本自相关系数，可看出样本自相关系数5步后是截尾的,那么确定为MA（5）模型,进行参数估计,输入如下程序:
estimateq=5plot;
run;
结果如图：
参数估计及显著性结果及拟合统计量
模型残差项的白噪声检验
8、提交程序，观察输出结果，可看出模型通过了白噪声检验，说明模型拟合充分。
且MA1,3,MA1,4的T值较小，说明参数显著为0，除掉这两项重新进行估计，输入如下程序：
estimateq=（1,2,5）plot;
run;
参数估计及显著性结果及拟合统计量
模型残差项的白噪声检验
残差项的自相关系数图
9、提交程序，观察输出结果，可看出模型通过了白噪声检验，说明模型拟合充分，且残差标准误与前一估计相差很小，故以此结果为我们所要的结果，依此结果写出方程式。
所以可得模型方程式为：
Z（t）+0.4674Z（t-1）+0.30715Z（t-2）-0.30001Z（t-5）=0.01766+a（t）
10、进行预测，预测美国未来2年的每季国民生产总值。
输入如下程序：
forecastlead=6interval=qtrid=dateout=results;
run;
dataresults;
setresults;
gnp=exp（lgnp）;
l95=exp（l95）;
u95=exp（u95）;
forecast=exp（forecast+std*std/2）;
run;
procprintdata=results;
vardateforcast;
wheredate>=’1jan96’d;
run;
11、提交程序，并把预测值记录下来。
实验练习：
分析武汉市2002/01/01---2003/05/31日火车站旅客客流量数据（单位：
千人），并预测6月份前10天的旅客流量。
11465491181421481579211111012014093646659737731272544505757303030335362653560635736687066615574856053709795776376684556676885777184647135591108088568965726660425166128856957623183866659518086696058444851495433294311010562535561366461595566665663625860554444405054525144444938693251856989656756514740527777686164756880585856506262606261595953413836504037424753314846514646487765648192775545526180103838176554954606078566153486674585165727674866440516263586451687082857457513055658289777067687896871001119393901031168782648566375574563338515476907472737656854038364672871171008066786673941049310097976558617352382740688257961176534534363667310611473701071101231791077946375755625147536357686676679868100141120113858361366269565873101157149114154625051524663473149557167667868667977375171726876145168158143225228190133192152141111998669516482791023144315269931081328010082497714599781051507510010886103100899982808681646667405377789797115888591736150394475827599938812711211381666772863671103666691109806353681181237062698866889176711039771756784807074626360581101067368687361615343778585726059709086998996
升级会员 