SAS时间序列分析.pdf

试验六 时间序列分析 试验六 时间序列分析 一、实验目的：学习时间序列数据分析技巧，了解 ARIMA 模型。 一、实验目的：学习时间序列数据分析技巧，了解 ARIMA 模型。 二、实验内容：47 年 1 季度到 96 年 3 季度美国国民生产总值的季度数据。 二、实验内容：47 年 1 季度到 96 年 3 季度美国国民生产总值的季度数据。 三、实验要求：写出分析报告。 三、实验要求：写出分析报告。 四、实验软件：SAS 系统。 四、实验软件：SAS 系统。 一般实验流程： 一般实验流程： 1）平稳性检验 1）平稳性检验 方法：时序图、自相关系数和自相关图检验、单位根检验 方法：时序图、自相关系数和自相关图检验、单位根检验 2）模型识别 2）模型识别 方法：利用自相关系数、偏相关系数图进行模型识别； 方法：利用自相关系数、偏相关系数图进行模型识别； 计算扩展的样本自相关函数并利用其估计值进行模型识别； 计算扩展的样本自相关函数并利用其估计值进行模型识别； 利用最小信息准则进行模型识别； 利用最小信息准则进行模型识别； 利用典型相关系数平方估计值进行模型识别； 利用典型相关系数平方估计值进行模型识别； 注： ACF 图和PACF 图的模型识别 注： ACF 图和PACF 图的模型识别 自相关系数图（ACF 图） 偏相关系数图（PACF 图） 模型识别结果 自相关系数图（ACF 图） 偏相关系数图（PACF 图） 模型识别结果 q 阶截尾 拖尾 MA(q) q 阶截尾 拖尾 MA(q) 拖尾 P 阶截尾 AR(p) 拖尾 P 阶截尾 AR(p) 拖尾 拖尾 ARMA 拖尾 拖尾 ARMA 3）模型的参数估计及检验 3）模型的参数估计及检验 检验拟合性、参数估计显著性、残差项无自相关性（残差项白噪声检验） 检验拟合性、参数估计显著性、残差项无自相关性（残差项白噪声检验） 4）模型的预测 4）模型的预测 例题实验步骤： 例题实验步骤： 1）建立数据集 1）建立数据集 data exp3; data exp3; input gnp@@; input gnp@@; date intnx (qtr,1jan47d,_n_-1); date intnx (qtr,1jan47d,_n_-1); format date yyqc.; format date yyqc.; cards; cards; 227.8 231.7 236.1 246.3 252.6 259.9 266.8 268.1 263.0 227.8 231.7 236.1 246.3 252.6 259.9 266.8 268.1 263.0 259.5 261.2 258.9 269.6 279.3 296.9 308.4 323.2 259.5 261.2 258.9 269.6 279.3 296.9 308.4 323.2 331.1 331.1 337.9 342.3 345.3 345.9 351.7 364.2 371.0 374.5 337.9 342.3 345.3 345.9 351.7 364.2 371.0 374.5