时间序列分析(SAS)第3章.docx

《时间序列分析(SAS)第3章.docx》由会员分享，可在线阅读，更多相关《时间序列分析(SAS)第3章.docx（23页珍藏版）》请在第一文库网上搜索。

1、佛山科学技术学院应用时间序列分析实验报告实验名称 第三章 平稳时间序列分析专业班级 10数学与应用数学姓名 林敏杰 学号2010214222一、上机练习程序及其结果分析：data x3_l;input x ;tim=_n_;cards;proc gplot Ciata=x3_l; plot x*time=l;symboll c=rd 工=join v=star;run;GRAPHl ORK.GSEG-GPLOT结果分析：上图是数据对应的时序图，从图上曲线分析来看，数据并没有周期性或者趋向性规律，因而可以初 步判断这是平稳数列。proc arima Ciata=x3_l;identify Var

2、=X nlag=8;run;蠡给出-（无标题）SAS东铳2000年03月Iotl星期五上午08时21分17秒7 人The ARIMA ProcedureName of Variable xMean of Working Series-0.06595Standard Deviation1.561613Number of Observat ions84Autocorrelat ionsLagCovariance02.43863611.96109421.49915331.06560740.57553550.0923138-0.0339507-0.0650488-0.162544Lag12345878

3、LagCorrelation-1987654321012345678911.00000米米米*米小出米米米电米米米米米米米米0.80418.*0.61475.*0.43897.*0.23601.* .0.03785.*.- .01392.- .02667.*.- .06665.*.marks two standard errorsInverse AutocorrelationsCorrelation -198785432101234587891- 0.43319*.- 0.07997.*.- 0.02386.- 0.10958.*.0.27730.*- 0.03735. *.- 0.14756

4、.*.0.07102.* .Partial AutocorrelationsCorrelation -198765432101234567891Std Error0 0.109109 0.165234 0.190527 0.202108 0.205360 0.205443 0.205455 0.2054965/结果分析：本过程中，我们建立了8阶自回归分析模型，图上依次是变量的描述性统计量、样本自相关图、样 本逆相关图和样本偏自相关图。由于本次实验探究的是平稳序列，因而样本逆相关图先不作分析。从自相关图来看，自相关系数趋于0的速度是比拟快的，再结合时序图来看，可以确定这组数列是 属于平稳数列。从

5、最后的纯随机检验结果分析来看，P ItlLagMU-0.00138710.34414-0.000.99880MAIJ-0.917840.08919-10.29.00011Mal,2-0.832000.11931-6.97.00012MaI,3-0.598060. 1 1906-5.02.00013MAI,4-0.623170.08945-6.97LagSquareDFChiSq 1Autocorrelat ions62.0020.3884-0.0210.0020.103-0.0380.07-0.0G2124.7080.78920.052-0.1410.0060.0590.0420.018181

6、1.40140.6542-0.0970.048-0.1060.0050.080-0.1822414.75200.79080.079-0.0200.121-0.028-0.082-0.013Model for variable Estimated Mean -0.00139VModel for variable XEstimated Mean -0.00139Mov i ng Average FactorsFactor 1： 1 + 0.91784 BHMH + 0.832 B*(2) + 0.59806 B*(3) + 0.2317 B(4)结果分析：以上是我们建立的MA4模型中的参数结果。其

7、中，我们可以看出，常数项对应的t统计量的P值 是0.9968,它是0.05的，也就说明它是不显著的，而其他参数均是显著的，为了使模型拟合得更优， 我们应该除去常数项，再进行模型分析比拟。Stimat q=4 noint; run;肉粉出-(无标题)匕回区SAS系统2000年03月10日星期五上午08时43分21秒 9 ZrThe ARIMA ProcedureConditional Least Squares EstimationStandardApproxParameterEstimateError t Value Pr It ILagMA1,1-0.917800.08862-10.36.0

8、0011MAI,2-0.831980.11833-7.03.00012MAI,3-0.597890.11829-5.05.00013MAI,4-0.G23140.08888-7.01LagSquareDFChiSqAutocorrelat ions82.002O.382-0.0210.0020.103-0.0380.078-0.062124.7080.78950.052-0.1410.0060.0590.0420.0181811.39140.8549-0.0970.048-0.1060.0050.080-0.1822414.74200.79130.079-0.0200.121-0.028-0.