深圳大学计量经济学Sas代码4Word格式.docx

深圳大学计量经济学Sas代码4Word格式.docx

《深圳大学计量经济学Sas代码4Word格式.docx》由会员分享，可在线阅读，更多相关《深圳大学计量经济学Sas代码4Word格式.docx（12页珍藏版）》请在冰豆网上搜索。

检验结果显示，差分后序列蕴含很强的相关信息，不能视为白噪声序列。

考察自相关图和偏自相关图的性质，

自相关图显示延迟12步自相关系数显著大于2倍标准差，说明该序列仍蕴含着非常明显的季节效应。

与观察偏自相关图得到的结论一致。

根据差分后的序列的自相关图和偏自相关图的性质，尝试拟合ARMA模型，拟合效果均不理想，拟合残差均通不过白噪声检验。

反复尝试结果均不理想，说明简单的ARMA模型并不适合于拟合这个序列。

考虑到该序列既具有短期相关性又具有季节效应，短期相关性和季节效应不能简单地、可加性地提取，因而估计该序列的季节效应和短期相关性之间具有复杂的关联性。

尝试使用乘积模型来拟合序列的发展。

Estimatep=1q=

（1）（12）；

白噪声检验结果如下：

根据最小二乘法，推出常数项和AR1,1不显著，所以去掉常数项和AR1,1进行拟合。

Estimateq=

（1）（12）noint；

残差白噪声检验显示拟合模型有效。

参数显著性检验结果显示两个参数均显著。

因此，拟合模型的具体形式如下：

=（1-0.37727B）（1-0.57236*B^12）

forecastlead=5id=timeout=out;

预测结果：

数据二.

原始数据的序列时序图如下

由时序图可以明显看出该序列为非平稳序列。

同时可以该序列具有一定的趋势性与周期性。

对原序列作1阶差分，希望提取原序列的趋势效应，差分后序列时序图如下：

时序图显示差分后序列类似平稳。

考察差分后序列自相关图的性质，

从自相关图看可出，延迟7，14，21次的自相关系数显著大于2倍标准差，说明该序列仍蕴含着非常明显的季节效应。

故再对其进行7步周期差分，提取季节波动信息：

从差分后的时序图发现序列类似平稳，再观察自相关图；

从ACF图可看出序列为7阶截尾。

可选择MA（7）来进行模拟。

estimateq=7;

最小二乘估计参数如下：

发现MUMA1,2MA1,3MA1,4MA1,5MA1,6均不显著。

故可说明该模型不适合进行模拟。

重新进行最优定阶，identifyvar=diff1_7nlag=32minicp=（0:

7）q=（0:

7）;

故选取ARMA（1，1）进行模拟。

结果显示MU不显著，其他参数显著。

故除去常数项。

estimatep=1q=1noint;

显然参数都显著。

观察残差自相关检验结果：

PVALUE均>

0.05证明模型拟合有效。

预测5期得