时间序列分析(SAS)第二章

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二章时间序列的预处理专业班级10数学与应用数学姓名林敏杰学号2010214222一、上机练习绘制时序图dataexample2_1;inputprice1price2;time=intnx('month','01jul2004'd,_n_-1);formattimedate.;cards;12.8515.2113.2914.2312.4114.6915.2113.2714.2316.7513.5615.33;procgplotdata=example2_1;plotprice1*time=1price2*time=2/overlay;symbol1c=blackv=stari=join;symbol2c=redv=circlei=spline;run;2平稳性检验dataexample2_1;inputprice1price2;time=intnx('month','01jul2004'd,_n_-1);formattimedate.;cards;12.8515.2113.2914.2312.4114.6915.2113.2714.2316.7513.5615.33;procgplotdata=example2_1;plotprice1*time=1price2*time=2/overlay;symbol1c=blackv=stari=join;symbol2c=redv=circlei=spline;run;结果：分析变量的描述性统计：样本自相关图：样本偏自相关图：3样本逆自相关图：纯随机检验结果：二、课后习题（老师布置的习题部分）习题2程序：dataexample1;inputco2@@;time=intnx('month','01jan1975'd,_n_-1);formattimedate.;cards;330.45330.97331.64332.87333.61333.55331.90330.05328.58328.31329.41330.63331.63332.46333.36334.45334.82334.32333.05330.87329.24328.87330.18331.50332.81333.23334.55335.82336.44335.99334.65332.41331.32330.73332.05333.534334.66335.07336.33337.39337.65337.57336.25334.39332.44332.25333.59334.76335.89336.44337.63338.54339.06338.95337.41335.71333.68333.69335.05336.53337.81338.16339.88340.57341.19340.87339.25337.19335.49336.63337.74338.36;procgplotdata=example1;plotco2*time;symbolc=blackv=stari=join;procarimadata=example1;identifyvar=co2;run;结果：时序图：自相关图：5白噪声检验结果：结果分析：1.从时序图可以看出，所分析序列以年为周期呈现出规则的周期性，还有明显的逐年递增的趋势，初步判断为非平稳。2.由图2自相关图可以看出该序列的样本自相关系数分别为：0.9080.7220.5130.3510.2480.2043.从自相关图中可以看出，该序列的自相关系数长期位于零轴的一边，具有单调趋势序列的特征，同时自相关图呈现出明显的正弦波动规律，这是具有周期变化规律的非平稳系列的特征。性。习题3：程序：dataexample2;inputyu@@;time=intnx('month','01jan1945'd,_n_-1);formattimedate.;6cards;69.380.040.974.984.6101.1225.095.3100.648.3144.5128.338.452.368.637.1148.6218.7131.6112.881.831.047.570.196.861.555.6171.7220.5119.463.2181.673.964.8166.948.0137.780.5105.289.9174.8124.086.4136.931.535.5112.3143.0160.897.080.562.5158.27.6165.9106.792.263.226.277.052.3105.4144.349.5116.154.1148.6159.385.367.3112.859.4;procgplotdata=example2;plotyu*time;symbolc=blackv=stari=join;procarimadata=example2;identifyvar=yu;run;结果：时序图：自相关图：7白噪声检验结果：结果分析：1.该序列的样本自相关系数如自相关图，他们分别为：123.289-114.429-256.796-521.522-301.725-144.08568.925-178.390-59.75084.262386.829641.442-28.91296.619-380.149-357.478-460.533163.1512.从时序图可以看出，序列没有明显趋势以及规律性，科初步判断为平稳序列；从自相关图可以看出，自相关系数从1阶开始一直再零值附近波动，并一直在2倍标准差范围以内，由时序图和样本自相关图的性质可以判断该序列为平稳序列。3.检验结果显示，在各阶延迟下统计量的P值都大于0.05，接受原假设，所以我们可以以很大的把握断定1945年——1950年费城月度降雨量序列属于非纯随机习题5程序：8dataexample3;inputxsl@@;time=intnx('month','01jan2000'd,_n_-1);formattimedate.;cards;15318723421230022120117512310485781341752432272982562371651241068774145203189214295220231174119856775117178149178248202162135120969063;procgplotdata=example3;plotxsl*time;symbolc=blackv=stari=join;procarimadata=example3;identifyvar=xsl;run;结果：时序图自相关图9白噪声检验结果结果分析：1.时序图及样本自相关图如上结果。2.从时序图可以看出，所分析序列以月为周期呈现出规则的周期性，初步判断为非平稳序列；从图中发现延迟3阶后自相关系数都落入2倍标准差范围之内，而且序列的自相关系数递减到零的速度迅速，并且会向负方向发展，达到一定值后又返回向正方向发展，所以这是具有周期规律的非平稳序列。3.检验结果显示，在各阶延迟下检验统计量的P值0.00010.05，拒绝原假设，所以我们可以以很大的把握断定某公司在2000-2003年期间每月的销售量序列属于非纯随机性。三、实验体会时间序列的预处理是目前最容易分析的一种序列，可以从中明白怎么分析这种时间序列图我和样本自相关图，并判断出该序列是否平稳，再由AutocorrelationCheckforWhiteNoise图可以看出该序列是否属于白噪声。时间序列分析方法遵循数理统计学的基本原理，可以利用样本信息来推测总体信息。对序列的平稳性有两种检验方法：一种是根据时序图和自相关图显示的特征做出判断的图检验方法；一种是构造检验统计量进行假设检验的方法。