1、深圳大学计量经济学Sas代码4数据一.原始数据的序列时序图如下,发现长期递增趋势和以年为固定周期的季节波动同时作用于该序列对该序列进行取对数后,再进行1阶12步差分,观察其时序图发现,差分后序列已无显著趋势或周期,随机波动比较平稳。考察差分后序列的随机性,白噪声检验结果如下: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
2、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。Estimate p=1 q=(1)(12);白噪声检验结果如下: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。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。Estimate q=(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
3、型的具体形式如下:=(1-0.37727B)(1-0.57236*B12)forecast lead=5 id=time out=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。与观察偏自相关图得到的结论一致。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。estimate q=7;最小二乘估计参数如下:发现MU MA1,2 MA1,3 MA1,4 MA1,5 MA1,6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,identify var=diff1_7 nlag=32 minic p=(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。estimate p=1 q=1 noint;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