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