王燕时间序列分析第五章SAS程序Word格式文档下载.docx
《王燕时间序列分析第五章SAS程序Word格式文档下载.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格式文档下载.docx（25页珍藏版）》请在冰豆网上搜索。
2.461031
0.18837
8
-0.727748
-.05570
:
務
0.622454
0.04764
«
:
-1.716200
-.13136
•出林
11
0.824106
0.06308
*:
12
0.136572
0.01045
13
0.636280
0.04097
♦.
14
-1.830163
-.14008
15
2.002506
0.15327
曲
16
-1.865607
-.14280
17
-0.535607
■•04100
・*
18
0.849572
0.06503
*
19
0.473360
0.03623
♦
20
0.560746
0.04292
*,
21
-2.602490
••19920
22
-0.104103
-.00797
23
-0.666324
-.05100
24
-0.537108
-.04111
・«
LagCovariance
Correlation
•198765432101234567891
markstwostand&
rderrors
0.0371290.0994240.0394580.0999120.1006620.1007530.1017730.1050100.1052890.1054920.1070240.1073740.1073840.1075310.1092390.1112490.1129650.1131060.1134580.1135670.1137200.1169650.1169700.117180
2ai4^05H06tl星期二I、午10旳47甘58抄2
InverseAutocorrelations
0.12567-0.05929
0.02402
0.17471
*>
K«
.
0.03817
来■
・0.17242
•；
•冷肾；
?
-0.219D6
0.08852
佛岀•
-0.01671
-0.00157
-0.09685
■榊
0.01518
0.09241
删.
0.06628
*•
-0.18306
H4nh*
0.07964
1?
0.08334
0.01169
LftgCorrelfttion
SAS糸统
TheARINAProcedure
-0.05799
•#
■
0.01034
0.1762&
0.08267
桝.
・0.01342
•
0.06638
*.
Correlation
-198
34567891
PartialAutocorrelations
-0.15463
-0.00475
-0.06853
-0.11359
-0.06560
0.08742
0.21551
-0.00482
0.04333
•
・0.07757
0.07S3&
0.04034
-0.00237
-0.19934
0.12464
-0.03053
**
-0.06859
.*
-0.01418
0.06543
・
0.06544
・
-0.18418
-0.12096
0.04340
-0.08493
LagCorrelation
AutocorrelationCheckforWhiteNoise
To
Lac
IS
Ch卜
Square
5.44
12.72
21.69
28.05
DF
Pr>
ChiSq
0.4830
0.3896
0.2462
0.2579
A1|_■•
-0.1550.019
0.188-0.056
0.041-0.140
0.0360.043
Hutuuurrciatimi3
-0.031
0.063
-0.041
-0.051
0.105
0.010
0.065-0.041
-0.069
0.048
0.153-0.199
-0.088
-0.131
-0.143
-0.008
ConditionalLeastSquares
Estimation
Standard
Approx
Paratneter
Estimate
Errort
Value
Itl
Lag
MU
-0.14201
0.30359
-0.47
0.6409
AR1,1
-0.15478
0.09692
-1.60
0.1133
TheARIMAProcedure
-0.16393
12.98744
3.605196
574.6596
579.9865
logdeterminant・
ConstantEstimate
VarianeeEstiinate
SidErrorEstimate
AIC
SBC
NumberofResidualsAICandSBCdonotinclude
CorreIationsofPa.rameter
Estimates
ToLag
Chi-
ChiSq
Auxocorre1ations
e
4.31
0.5056
-0.001
・0.015
・0.083
・0.110
-0.030
0.134
11.35
0.4148
0.205
-0.021
0.020
-0.120
0.Q47
0.028
18.00
0.3889
0.023
-0.116
0.116
-0.132
-0.055
0.068
25.30
0.3352
0.055
-0.204
-0.048
-0.061
•0.054
AutocorrelationCheckof
Residuals
EstimatedMean
Period（s）ofDifferenci
AutoregressiveFactors
Factor1：
1+0.15478B^
（1）
通过原始数据的时圧图可以明显看出，此圧列非平稳，因而对丿子列进行一阶差分。
从一阶差分后的自相关图可以看出，一阶差分后的序列的门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，冈而可以认为一阶差分后的序列为随机性很强的平稳仔列，另外通过一阶差分后的时序图也可以看出，一阶差分后的序列半稳，且LB统计最对应的P值大于a=0.05,因而认为一阶差分后的序列为白噪声序列。
由于一阶差分后的字列为平稳的白噪声斥列，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：
&
訓1+&
所以下一期的预测值为289
第二题
datayx_52;
inputx@@;
t=1949+_n_-l;
difx=dif（x）;
cards;
5589.00
19376.
9983・00
0024605.
11083.00
00
13217.00
16131.00
19288.00
27421・00
38109.00
54410.00
67219.00
44988.00
35261.00
36418.
0041786.
49100.00
54951・00
43089.00
42095.00
53120・00
68132・00
76471.
0080873.
83111.00
78772.00
88955.00
84066.00
95309.00
110119.00
111893・00111279・00
107673.00
113495.00
118784.00
124074.00
130709・00
135635.00
140653.
00144948.
151489.00
150681・00
152893・00
157627.00
162794.00
163216.00
165982.
00171024.
172149.00
164309.00
1675S4.00
178581.00
193189・00
204956.00
224248.
00249017.
269296・00
288224.00
314237.00
330354.00
symbollc=orangev=circlei=none;
symbol2c=bluev=stari=join;
procarima;
iderrtifyvaf=x
（1）;
estimateq=l;
forecastiead=5id=t;
时序图:
400000
300000
200000
100000
iao1W01%0197019®
c199020002010
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：
2014年05月07曰星期三下午11时03分5?
秒
TheARIMAProcedure
Period（s）ofDiffer©
ncing;
1
MeanofWork!
ngSeries5504.492
StandardDeviation8441.125
NumberofObservations59
Observation（s）eIiminatedbydifferencing1
71252593
1.00000
36040915
0.50582
欢脚脚脚出紂
0.190189
11714363
0.16441
0.160069
5260217
0.07382
0.162906
8000927
0.11229
0.163472
9746449
0.13679
溶榊•
0.164774
12334598
0.17311
*SW.
0.166688
3819318
0.05360
0.169708
-10165750
-.14267
•氷榊
0.168894
-11251547
-.15791
0.172012
-6251580
-.08774
0.174452
-1171287
-.01644
0.175198
3850896
0.05405
0.175224
1786424
0.0250?
0.175506
-1315326
-.01846
0.175567
-198765432101234567891
markstwostandarderrors
Inverse占utocorrelations
-0.45223
0.0舲65
芈寧屮*宋出屮昭卑
0.04221
-0.13557
•柑*
0.07544
-0.08184
・0.07917
0.15808
***
-0.02016
0.00599
0.05993
-0.08m
0.04124
出
-0.02919
PartiaI右utocorreIations
0.50582-0.12289
0.05813
出•
0.09044
0.05040
出.
0.10396
-0.11363
-0.18030
SAS务统2014^05月07日星期三下午11时03分57秒2
PartialAutocorrelations
9-0.00473
10-0.02212
110.02688
120.08735
13-0.01434
140.03958
AutocorrelationCheckforWhiteNoise
Parameter
Estincite
Error
tValue
5536.6
1430.1
3.87
0.0003
MA1,1
-0.48349
0.11623
-4.16
0.0001
ConditionaI
LeastSquaresEstimation
*AICandSBCdonotincIudelogdeterninant.
ConstantEstimate5536・65VarianceEstimate55720793StdErrorEstimate7464.636AIC1221.716S8C1225.871NumberofResiduals59
CorrelationsofParaneter
Estimfttes
MALI
1.000
0.003
MAIJ
AutocorrelationCheckof
Chi-Square
ChiSq
ocorreiatiode
4.69
0.4552
0.094
0.156
-0.022
0.115
0.050
0.151
7.25
0.7785
0.053
0.132
-0.097
-0.046
-0.026
0.058
9.33
I7
0.9294
-0.049
-0.112
-0.044
0.070
10.67
0.9863
0.088
-0.071
0.013
-0.023
-0.00?
5536.65
EstImatedMean.
SAS系裁2014^05月07曰星期三下午II时03分57秒6
MovingAverageFactors
Factor1:
140.48349
Forecastsforvariablex
Obs
Forecast
95XConfidenceLimits
61
337276.9837
7464.6361
322646.5657
351907.4017
62
342813.6336
13354.667
316638.9669
368988.3004
63
348350・2836
17348.58?
314347.6774
382352.8888
64
353886.9336
20581.541
313547.8548
394226.0123
85
359423.5835
23371.482
313G1G.32O8
405230.8463
通过原始数据的时用图可以明显看出，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H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：
XrXt.i=（H-0.48349B）et
残差的检验显示，残差序列通过白噪声检验，参数显苦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年铁路货运最的预测结果如下：
铁路货运与测量
2009
2010
2011
348350.2836
2012
3538X69336
2013
第三题;
datayx_53;
difx=dif（dif12（x））;
t=intnx（fmonth19f01janl973fdr_n_-l）;
formattdate・;
9007.008106.008528.00
11317.0010744.00
9713.00
9938・00
9161・00
8038.00
8422.00
8714.
10120.00
9823.00
8743.00
8162.00
7306.00
8124.
7870.00
9387.00
9SS6・00
8433.00
8160.00
8034.
7717.007461.007776・00
10078・009179・00
8037.
8488.007874.00
8647.00
8106.008890.00
9299.
9302.008314.00
8850.00
6892.007791・00
8129.
9434.0010484.00
9827.00
9240.00
9137.00
10017.00
10826.00
8927・00
7750.00
6981.00
9512.DO
9129.00
8710.00
8680.00
10093.00
9620.00
8285.00
7925.00
8634.00
8945.00
7792.00
升级会员 