王燕时间序列分析第五章SAS程序Word文件下载.docx

王燕时间序列分析第五章SAS程序Word文件下载.docx

《王燕时间序列分析第五章SAS程序Word文件下载.docx》由会员分享，可在线阅读，更多相关《王燕时间序列分析第五章SAS程序Word文件下载.docx（14页珍藏版）》请在冰豆网上搜索。

;

procgplot;

plotx*t=1difx*t=2;

symbol1c=redv=circlei=join;

symbol2c=yellowv=stari=join;

run;

procarima;

identifyvar=x

（1）;

estimatep=1;

结果如下

时序图：

一阶差分后时序图:

通过原始数据的时序图可以明显看出，此序列非平稳，因而对序列进行一阶差分。

从一阶差分后的自相关图可以看出，一阶差分后的序列的自相关系数一直都比较小，始终控制在二倍标准差以内，可以认为一阶差分后的序列始终都在零轴附近波动，因而可以认为一阶差分后的序列为随机性很强的平稳序列，另外通过一阶差分后的时序图也可以看出，一阶差分后的序列平稳，且LB统计量对应的P值大于α=0.05，因而认为一阶差分后的序列为白噪声序列。

由于一阶差分后的序列为平稳的白噪声序列，因而此时间序列拟合ARIMA（0,1,0）模型，即随机游走模型，模型为：

Xt=xt-1+εt

所以下一期的预测值为289

第二题

datayx_52;

t=1949+_n_-1;

5589.00 9983.00 11083.00 13217.00 16131.00 19288.00 19376.00 24605.00

27421.00 38109.00 54410.00 67219.00 44988.00 35261.00 36418.00 41786.00

49100.00 54951.00 43089.00 42095.00 53120.00 68132.00 76471.00 80873.00

83111.00 78772.00 88955.00 84066.00 95309.00 110119.00 111893.00 111279.00

107673.00 113495.00 118784.00 124074.00 130709.00 135635.00 140653.00 144948.00

151489.00 150681.00 152893.00 157627.00 162794.00 163216.00 165982.00 171024.00

172149.00 164309.00 167554.00 178581.00 193189.00 204956.00 224248.00 249017.00

269296.00 288224.00 314237.00 330354.00

symbol1c=orangev=circlei=none;

symbol2c=bluev=stari=join;

estimateq=1;

forecastlead=5id=t;

从时序图可以看出，时间序列非平稳，且随着时间而呈现明显的上升趋势，因而对序列采用一阶差分：

一阶差分后的时序图:

通过原始数据的时序图可以明显看出，此序列非平稳，随着时间呈现上升趋势，因而对序列进行一阶差分。

从一阶差分后的自相关图可以看出，一阶差分后的序列的自相关系数一阶截尾，拟合ARIMA（0，1，1）模型，得到模型：

Xt-Xt-1=（1+0.48349B）εt

残差的检验显示，残差序列通过白噪声检验，参数显著性检验显示参数显著，说明模型拟合良好，对序列相关信息提取充分。

得到2009~2013年铁路货运量的预测结果如下：

铁路货运与测量

2009

337276.9837

2010

342813.6336

2011

348350.2836

2012

353886.9336

2013

359423.5835

第三题;

datayx_53;

difx=dif（dif12（x））;

t=intnx（'

month'

'

01jan1973'

d,_n_-1）;

formattdate.;

9007.00 8106.00 8928.00 9137.00 10017.00 10826.00 11317.00 10744.00

9713.00 9938.00 9161.00 8927.00 7750.00 6981.00 8038.00 8422.00 8714.00 9512.00

10120.00 9823.00 8743.00 9129.00 8710.00 8680.00 8162.00 7306.00 8124.00

7870.00 9387.00 9556.00 10093.00 9620.00 8285.00 8433.00 8160.00 8034.00

7717.00 7461.00 7776.00 7925.00 8634.00 8945.00 10078.00 9179.00 8037.00

8488.00 7874.00 8647.00 7792.00 6957.00 7726.00 8106.00 8890.00 9299.00 10625.00

9302.00 8314.00 8850.00 8265.00 8796.00 7836.00 6892.00 7791.00 8129.00 9115.00

9434.00 10484.00 9827.00 9110.00 9070.00 8633.00 9240.00

symbol1c=coralv=circlei=join;

symbol2c=bluev=stari=join;

identifyvar=x（1,12）;

estimatep=1q=

（1）（12）;

一阶12步差分后的时序图：

从时序可以看出，序列呈现出周期性的变化趋势，且序列非平稳，因而对序列进行一阶12步差分。

一阶12步差分后的时序图显示，自相关系数在延迟12阶时显著大于2倍标准差范围，说明差分后的序列仍然含有显著的季节效应，因而考虑拟合乘积季节模型;

根据自相关系数在延迟1阶和延迟12阶时显著大于2倍标准差范围，偏自相关系数延迟1阶显著大于2倍标准差范围，考虑拟合ARIMA（1,1,1）×

（0,1,1）12。

得到模型：

∇∇12xt=1-0.87376B1-0.49078B（1-0.53808B12）εt