应用时间序列分析期末上机实践报告.docx

《应用时间序列分析期末上机实践报告.docx》由会员分享，可在线阅读，更多相关《应用时间序列分析期末上机实践报告.docx（18页珍藏版）》请在优知文库上搜索。

1、得分应用时间序列分析期末上机实践报告课程名称：应用时间序列分析学期：2014-2015-2学专姓学院：业：名：号:期:2015.07.03应用时间序列分析期末课程上机报告要求六、（30分）实践题（另交370页的题目、程序和答案纸）要求：系统复习各章上机指导的相关内容，从问题出发，解决三个具体时间序列数据的分析处理全过程（包含：1、数据的背景和拟用到的处理方法，提供可以独立运行的SAS程序，程序的主要运行结果和结果的解读；2、每个学生都必做ARIMA过程的较完整运用，包括数据的输入、输出，时序图、自相关图、偏相关图，并建立成功的拟合模型；3、自由选择其它两个数据和用到自己熟悉的时间序列分析程序过

2、程的处理方法（如趋势拟合、XlkGARCH模型等），但尽量不要三题都用同一个方法）。一、ARIMA模型数据来源：应用时间序列分析第5章习题5已知18671938年英国（英格兰及威尔土）绵羊的数量如表1所示（行数据），运用时间序列模型预测未来三年英国的绵羊数量。22032360225421652024207822142292220721192119213721321955178517471818190919581892191918531868199121112119199118591856192418921916196819281898185018411824182318431880196820

3、291996193318051713172617521795171716481512133813831344138414841597168617071640rrL/八LzZJZL（1）确定该序列的平稳性。（2）选择适当模型，拟合该序列的发展。（3）利用拟合模型预测1939-1945年英国绵羊的数量。1-(1)平稳性检验建立临时数据集IhfOldataIhfO1;inputX鲍；difx=dif(x);y=log(x);cards;22032360225421652024207822142292220721192119213721321955178517471818190919581892191

4、9185318681991211121191991185918561924189219161968192818981850184118241823184318801968202919961933180517131726175217951717164815121338138313441384148415971686170716401611163217751850180916531648166516271791procgplotdata-Ihf01;pIotx*tdifx*ty*t;symboIc=redi=joinv=star;run;procarima;identifyvar=x;run;图L

5、I序列X时序图自相关图如图1-2所示。Autocorrelat kns-19876543 2 1 0 1 2 3 4 5 6 7 8 91Std Error049589.0831.00000145261.8130.81274237545.6810.75714331322.6150.63164428288.1880.57045527764.9130.55990626607.8470.53657723678.1220.47749819733.1390.39793916222.4900.327141013497.1940.272181111176.8780.22539128071.4860.1828

6、31374S0.4690.15085147377.4650.14877158557.4410.17257169873.3890.199101710206.7470.20583188201.1740.16538Covariance Conelat ionmarks Mo standard errors出出出山.IB III III 出出出 出山出 出山出出.出出出出出出出.0.1178510.1924330.2301180.2530550.2703260.2859790.2996350.3100230.3170380.3216920.3248750.3270400.3284580.3294180

7、.3303500.3316000.3332560.335017我们可以判定该序列从图中我们发现序列的自相关系数递减到零的速度相当缓慢,是不平稳的。白噪声检验结果如图1-3所示。检验结果显示,在各阶延迟下LB检验统计量的P值都非常小（0.0001）,所以我AutocorrelatkxCheckforWhiteNoiseToagChi-SquareDFPfChiSqAutocorrelations6210.636.00010.9130.7570.6320.5700.5600.53712265.3212.00010.4770.3980.3270.2720.2250.18318282.7718ItlL

8、agMIJAR120.35697-0.337060.108290.108533.30-3.110.00150.002813VariancelEstimate0.001637StdErrorEstimate0.040466AIC-251.975SBC-247.45NumberofResiduals71出AICandSBCdonotincludelogdeterminantCorrelationsofParameterEstimatesParameterARI,1ARI,2DS1.11.0000.098AR1；20.0981.000残差白噪声检验结果如图2-3所示。AutocorreIationCheckofResiduaIsTo61218hig20280999C E 2 3CDF101622r 1 9 0 13 C 8 4 2 2 F 9 7 6 O 6 8 8 9 6 6 O JcS3 22 0 2 00 3 8 0 6力力。心心1 8489 .09,010.0aAutocorre220400542O.O-O.(MO.O-O,189 2 2 09 5 7 1心心心77055 6 09023056 8 62 2 5 5 0 6 4 0 VwvQQ-O.Q参数显著性检验结果显示两参数均残差检验结果显示残差序列可