时间序列分析报告上机操作题.docx
《时间序列分析报告上机操作题.docx》由会员分享,可在线阅读,更多相关《时间序列分析报告上机操作题.docx(18页珍藏版)》请在冰豆网上搜索。
时间序列分析报告上机操作题
20.1971年9月—1993年6月澳大利亚季度常住人口变动(单位:
千人)情况如下表。
63.2
67.9
55.8
49.5
50.2
55.4
49.9
45.3
48.1
61.7
55.2
53.1
49.5
59.9
30.6
30.4
33.8
42.1
35.8
28.4
32.9
44.1
45.5
36.6
39.5
49.8
48.8
29
37.3
34.2
47.6
37.3
39.2
47.6
43.9
49
51.2
60.8
67
48.9
65.4
65.4
67.6
62.5
55.1
49.6
57.3
47.3
45.5
44.5
48
47.9
49.1
48.8
59.4
51.6
51.4
60.9
60.9
55.8
58.6
62.1
64
60.3
64.6
71
79.4
59.9
83.4
75.4
80.2
55.9
58.5
65.2
69.5
59.1
21.5
62.5
170
-47.4
62.2
60
33.1
35.3
43.4
42.7
58.4
34.4
问题:
(1)判断该序列的平稳性与纯随机性。
(2)选择适当模型拟合该序列的发展。
(3)绘制该序列拟合及未来5年预测序列图
针对问题一:
将以下程序输入SAS编辑窗口,然后运行后可得图1.
dataexample3_1;
inputx@@;time=_n_;cards;
63.267.955.849.550.255.4
49.945.348.161.755.253.1
49.559.930.630.433.842.1
35.828.432.944.145.536.6
39.549.848.82937.334.2
47.637.339.247.643.949
51.260.86748.965.465.4
67.662.555.149.657.347.3
45.544.54847.949.1
48.8
59.451.651.460.960.955.8
58.662.16460.364.671
79.459.983.475.480.255.9
58.565.269.559.121.562.5
170-47.462.26033.135.3
43.442.758.434.4
procgplotdata=example3_1;
plotx*time=1;
symbol1c=redI=joinv=star;run;
图1该序列的时序图
由图1可读出:
除图中170和-47.4这两个异常数据外,该时序图显示澳大利亚季度常住人口变动一般在在60附近随机波动,没有明显的趋势或周期,基本可视为平稳序列。
再接着输入以下程序运行后可输出五方面的信息。
具体见表1-表5.
procarimadata=example3_1;
identifyVar=xnlag=8;
run;
表1分析变量的描述性统计
从表1可读出分析变量的名称、该序列的均值;标准差及观察值的个数(样本容量)。
表2样本自相关图
由表2可知:
样本自相图延迟3阶之后,自相关系数都落入2倍标准差范围以内,而且自相关系数向零衰减的速度非常快,故可以认为该序列平稳。
表3样本自相关系数
该图从左到右输出的信息分别为:
延迟阶数、逆自相关系数值和逆自相关图
表4样本偏自相关图
该图从左到右输出信息是:
延迟阶数、偏自相关系数值和偏自相关图
表5纯随机性检验结果
由上表可知在延迟阶数为6阶时,LB检验统计量的P值很小,所以可以断定该序列属于非白噪声序列。
针对问题二:
将IDENTIFY命令中增加一个可选命令MINIC,运行以下程序可得到表6.
表6IDENTIFY命令输出的最小信息量结果
通过上表可知:
在自相关延迟阶数小于等于5,移动平均延迟阶数也小于等于5的所有ARM(Ap,q)模型中,BIC信息量相对最小的是ARMA(1,3)模型。
进行参数估计,输入以下命令,运行可得到表7—表10
estimatep=1q=3;
run;
表7ESTIMATE命令输出的位置参数估计结果
表8ESTIMATE命令输出的拟合统计量的值
表9ESTIMATE命令输出的系数相关阵
表10ESTIMATE命令输出的残差自相关检验结果
拟合模型的具体形式如表11所示
表11ESTIMATE命令输出的拟合模型形式
针对问题三:
对拟合好的模型进行短期预测。
输入以下命令,运行可得表12和图2.
forecastlead=5id=timeout=results;
run;
procgplotdata=results;
plotx*time=1forecast*time=2l95*time=3u95*time=3/overlay;
symbol1c=blacki=nonev=star;
symbol2c=redi=joinv=none;
symbol3c=greeni=joinv=nonel=32;
run;
表12forecast命令输出的预测结果
5.我国1949-2008年末人口总数(单位:
万人)序列如下表。
54167
55196
56300
57482
58796
60266
61465
62828
64653
65994
67207
66207
65859
67295
69172
70499
72538
74542
76368
78534
80671
82992
85229
87177
89211
90859
92420
93717
94974
96259
97542
98705
100072
101654
103008
104357
105851
107507
109300
111026
112704
114333
115823
117171
118517
119850
121121
122389
123626
124761
125786
126743
127627
128453
129227
129988
130756
131448
132129
132802
选择合适模型拟合该序列的长期趋势,并作5期预测采用SAS软件运行下列程序:
dataexample51;
inputx@@t=_n_;cards;
54167
55196
56300
57482
58796
60266
61465
62828
64653
65994
67207
66207
65859
67295
69172
70499
72538
74542
76368
78534
80671
82992
85229
87177
89211
90859
92420
93717
94974
96259
97542
98705
100072
101654
103008
104357
105851
107507
109300
111026
112704
114333
115823
117171
118517
119850
121121
122389
123626
124761
125786
126743
127627
128453
129227
129988
130756
131448
132129
132802
procgplot;
plotx*t=1;
symbol1i=joinv=nonec=blavk;run;
图3该序列的时序图
通过时序图可以得知,该序列有明显的线性递增趋势,故用线性回归模型来拟合。
在接着在编辑窗口输入以下命令,运行程序:
procautoregdata=example5_1;
modelx=t;
run;
表12AUTOREG过程输出线性拟合结果
procgplotdata=out;
plotx*t=_type_/href=2008;symbol1i=nonev=starc=black;symbol2i=joinv=nonec=red;symbol3i=joinv=nonec=greenl=2;symbol4i=joinv=nonec=greenl=2;
run;
表13FORECAST过程OUT命令输出数据集图示
该表有四个变量:
时间变量,类型变量,预测时期标示变量,序列值变量
表14FORECAS过T程OUTSET命令输出数据集图示
此表可以查看预测过程中相关参数及拟合效果。
这些信息分为三部分:
(1)关于序列的基本信息。
序列样本个数、非缺失数据个数、拟合模型自由度、残差标准差。
(2)关玉预测模型的参数估计信息。
线性模型的常数估计值、线性模型的斜率、残差自回归的参数估计值。
(3)拟合优度统计量信息。
图4FORECAST过程预测效果图
7.某地区1962-1970年平均每头奶牛的月度产奶量数据(单位:
磅)如下表。
589
561
640
656
727
697
640
599
568
577
553
582
600
566
653
673
742
716
660
617
583
587
565
598
628
618
66
705
770
736
678
639
604
611
594
634
658
622
709
722
782
756
702
653
615
621
602
635
677
635
736
755
811
798
735
697
661
667
645
688
713
667
762
784
837
817
767
722
681
687
660
698
717
696
775
796
858
826
783
740
701
706
677
711
734
690
785
805
871
845
801
764
7