平稳时间序列分析实验报告模版.docx

1、平稳时间序列分析实验报告模版应用时间序列分析实验报告、上机练习（就是每章最后一节上机指导部分）3.6.绘制时序图data example3_1;in put x; |time=n;cards ;0.30 -0.45 0.36 0.00 0.17 0.45 2.154.423.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36-0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52-2.24 -3.46 -3.

2、97 -4.60 -3.09 -2.19 -1.210.78 0.88 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.800.56 -0.11 0.10 -0.56 -1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05;proc gplot data =example3 1; plot x*time= 1;symbol1 c

3、=red I =joi n v=star;run ;实验结果：实验分析：由时序图显示过去 86年中数据围绕在 0附近随机波动，没有明显趋势或周期，基本可以看成平稳序列，为了稳妥起见，做了如下自相关图。361. INENTIFY 语句介绍data example3 1;in put x;time=n;cards ;0.30 -0.45 0.36 0.00 0.17 0.45 2.154.423.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -

4、0.36-0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52-2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.210.78 0.88 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.800.56 -0.11 0.10 -0.56 -1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.5

5、2 0.05;proc arima data =example3 1;identify Var =x nlag =8;run实验结果:ToChi-Pr agSquareOFChlSq - - utocorrelaHonsAutocorrelation Check for White MoiseHL79 |t|上MU-0*0013871Q.34414-0.000-0.917840.08919-10.26.00011-0.832000.11931-6.972-0.538060.11306-5.02.000131,4-C.623H0.08945058-0.005-O.Q5MAL 10.0211.00

6、00.6620.3650.051-O.Q59Q.6621J000.7370.383MAI,3-0.0060*3050.7371.0000.661MAL4-0.0250.0510.383D.6611.000图七Autocorrelat i on Check of ResidualsToChi-Pr L谑SquareDFChiSq Muiocorrelax nons*-62.0020.36G4-0*0210.002 -0J410.1030.0360.076-0.062124.7080,78S20.0690,0420,018IS11.40140.6542-0.0970.048-0.1060.005o

7、.oao-0JB224U.75200.79090.079-0.0200-121-0.02S-0.082-0.013图八Model for variable xEstimated Mean -0-00139Nowlnc Average FactorsFactor 1： 1 + 0.91784 十 0.832 + 0.59808 + 0.62317 E脚（4）图九实验分析：在图六中我们可以得到五个统计量的值，由上到下分别是方差估计值、标准差估计值、 AIC性息量、SBC信息量及残差个数。在图七中输出了各参数估计值的相关阵。在图八中，这部分输出的格式和序列自相关系数百噪声检验部分的输出结果一样。在本

8、题中由于延迟各阶的LB统计量的p值均显著大于a( a=0.05)，所以该拟合模型显著成立。根据图九的拟合模型形式的信息，我们可以写出该形式等价于X= (1+0.9178B+0.83198BA2+0.59789BA3+0.62314BA4 ) E，本例中没有参数项也没有自相关因子，假定一个ARMA模型即含有常数项u,又含有自相关因子$ ( B )与移动平均因子0 (B)，该模型应该表示 为 x= u + ( 0 ( B )*$ ( B) E。3.6.3.序列预测data example3_1;in put x;time=_n_;cards ;0.30 -0.45 0.36 0.00 0.17 0

9、.45 2.154.423.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36-0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52-2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.210.78 0.88 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.800.56 -0.11 0.10 -0.56

10、-1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05;proc arima data =example3 1;identify Var =x nlag =8;estimate q=4 noint;forecast lead =5 id =time out =results;run ;实验结果：Forecasts for var i able xObsForecastStd Error95X Confida

11、nce Limits850.81850.E739-L08432.8314刖0,2725L1SS2-2,05252.5874870.S9231.8919-2.33463.1193se0.48981.4S62-2.44339.3825390.0000L5828-3 J 0233.1023图十实验分析：模型拟好后，还可以利用该模型对序列进行短期预测， 再该程序中，lead是指预测期数,id是指定时间变量标识，out是指定预测后的结果存入某个数据集。并从该输出结果（图十）中从左到 右分别为序列值的序号、预测值、预测值的标准差、 95%的置信下限，95%的置信上限。利用存储在临时数据集RESULTS里的

12、数据，我们还可以绘制漂亮的拟合预测图，命令程序如下：data example3_1;in put x;time=_n_;cards ;0.30 -0.45 0.36 0.00 0.17 0.45 2.154.423.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36-0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52-2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.210.78

13、 0.88 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.800.56 -0.11 0.10 -0.56 -1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05;proc arima data =example3 1;ide ntifyVar =x nlag =8;estimateq=4 noint;forecastlead

14、=5 id =timeout =results;proc gplotdata =results;plot x*time= 1 forecast*time= 2 l95 *time= 3 u95*time= 3/ overlaysymbol1 c=black i =none v=star;symbol2 c=red i =join v=none;symbol3 c=green i =join v=none l =32;run ;实验结果:、课后习题（老师布置的习题部分）17 .某城市过去63年中每年降雪量数据（单位： mm）如表3-20.126.482.478.151.190.976.2104.

15、587.4110.52569.353.539.863.646.772.979.683.680.760.37974.449.654.771.849.1103.951.682.483.677.879.389.685.558120.7110.565.439.940.188.771.48355.989.984.8105.2113.7124.7114.5115.6102.4101.489.871.570.998.355.566.178.4120.597110表 3-20(1)判断该序列的平稳性与纯随机性data example3_1;in put x;time=_n_;cards ;126.482.4 78.1 51.1 90.9 76.2 104.5 87.4110.525 69.3 53.5 39.8 63.6 46.7 72.979.683.6 80.7 60.3 79 74.4 49.6 54.771.849.1 103.9 51.6 82.4 83.6 77.8 79.389.685.5 58 120.7 110.5 65.4 39.9 40.188.771.4 83 55.9 89.9 84.8 105.2 113.7