SAS时间序列分析上机报告.doc

实验序号：1240703020-1 班级 计算1001班 姓名 王传雷 学号20102346 成绩 .基础实验 模拟AR模型【实验目的】直观了解AR模型的平稳性要求的含义，熟悉各种AR模型的样本自相关函数和偏自相关函数的特点，为理论学习提供直观印象。【实验内容】 随机模拟各种AR模型 实验编号：B124070012 班级 姓名 成绩 .【实验要求】 观察各种AR序列的图形及其样本自相关函数和偏自相关函数，体会AR序列的平稳性含义及样本自相关函数和样本偏自相关函数的特点，总结如何判定时间序列的平稳性。3、4. 在editor窗中输入如下程序：模拟时间序列模型：data a; x1=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a+0.4*x1; x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;得到的结果如图一所示：图一 时间序列5. 在editor窗中输入如下程序：(1) data a; x1=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a+1.1*x1; x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;得到的结果如下图二所示：图二 时间序列data a; x1=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a-1.1*x1; x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;(2) 模拟时间序列模型：data a; x1=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a-1.1*x1; x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;得到的结果如下图三所示：图三 时间序列6.从上面的图形我们可以看到图一的所有值均在0左右波动，整个时间序列是平稳的，而图二和图三都是随着时间的推迟，越发偏离初始值，是不平稳的。根据，只有，模型才是平稳的，显然后面两个模型不符合条件。7模拟自回归模型的程序如下：data a; x1=0.5;x2=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a+0.5*x1+0.3*x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;得到的结果如下图四所示：图四 模拟图形8针对第八题，我们利用用第七题的程序产生数据，在根据第八题的相关程序观察自相关函数和偏自相关函数的图像。程序如下：data a; x1=0.5;x2=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*32565; x=a+0.5*x1+0.3*x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;proc arima data=a; identify var=x nlag=10 outcov=exp1; run; proc gplot data=exp1; symbol i=needle width=6; plot corr*lag;run;proc gplot data=exp1; symbol i=needle width=6; plot partcorr*lag; run;得到的结果如下图所示：图五 自相关函数图六 偏自相关函数9从上面的两个函数图形，可以看到自相关函数和偏自相关函数都是随着滞后的延长，都将趋于零，但是自相关函数趋于零的速度慢，表现出拖尾性，相比而言偏自相关函数能很快趋于零，表现出截尾性。10.(1)模拟自回归的程序如下：data a; x1=0.5;x2=0.5;n=-50; do i=-50 to 1000; a=rannor(32565);*随机正态，32565是种子; x=a-0.5*x1+0.3*x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;proc arima data=a; identify var=x nlag=10 outcov=exp1; run; proc gplot data=exp1; symbol i=needle width=6; plot corr*lag;run; proc gplot data=exp1; symbol i=needle width=6; plot partcorr*lag;run;得到的结果如下图所示：图七 模拟图形图八 自相关函数图九 偏自相关函数（2）模拟自回归的程序如下：data a; x1=0.5;x2=0.5;n=-50; do i=-50 to 1000; a=rannor(32565); x=a+x1-0.6*x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;proc arima data=a; identify var=x nlag=10 outcov=exp1; run; proc gplot data=exp1; symbol i=needle width=6; plot corr*lag;run; proc gplot data=exp1; symbol i=needle width=6; plot partcorr*lag;run;得到的结果如下图所示：图十 自相关函数图十一 偏自相关函数11从上面的自相关函数图形，可以得到自相关函数具有拖尾性，同时衰减很快，并成指数衰减，但是也可以发现自相关函数衰减后总体是向0方向靠近，但是针对不同的，自相关函数的变化方向不同。12模拟AR(3)序列：的程序如下：data a; x1=0.5;x2=0.5;x3=0.5;n=-50; do i=-50 to 1000; a=rannor(32565); x=a+0.4*x1-0.3*x2+0.2*x3; x3=x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;proc arima data=a; identify var=x nlag=10 outcov=exp1; run; proc gplot data=exp1; symbol i=needle width=6; plot corr*lag;run; proc gplot data=exp1; symbol i=needle width=6; plot partcorr*lag;run;得到的结果如下图：图十二 自相关函数图十三 偏自相关函数13模拟非平稳时间序列：的程序如下：data a; x1=0.5;x2=0.5;n=-50; do i=-50 to 1000; a=rannor(32565); x=a+0.5*x1+0.5*x2; x2=x1;x1=x;n=n+1; if i0 then output; end; run;proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*n; run;proc arima data=a; identify var=x nlag=10 outcov=exp1; run; proc gplot data=exp1; symbol i=needle wid