时间序列分析(SAS)第二章.doc

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data example2_1;input price1 price2;time=intnx(month,01jul2004d, _n_-1); format time date.;cards;12.85 15.2113.29 14.2312.41 14.6915.21 13.2714.23 16.7513.56 15.33;proc gplot data=example2_1;plot price1*time=1 price2*time=2/overlay;symbol1 c=black v=star i=join;symbol2 c=red v=circle i=spline;run;平稳性检验data example2_1;input price1 price2;time=intnx(month,01jul2004d, _n_-1);format time date.;cards;12.85 15.2113.29 14.2312.41 14.6915.21 13.2714.23 16.7513.56 15.33;proc gplot data=example2_1;plot price1*time=1 price2*time=2/overlay;symbol1 c=black v=star i=join;symbol2 c=red v=circle i=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：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：data example1;input co2;time=intnx(month,01jan1975d,_n_-1);format time date.;cards;330.45 330.97 331.64 332.87 333.61 333.55331.90 330.05 328.58 328.31 329.41 330.63331.63 332.46 333.36 334.45 334.82 334.32333.05 330.87 329.24 328.87 330.18 331.50332.81 333.23 334.55 335.82 336.44 335.99334.65 332.41 331.32 330.73 332.05 333.53334.66 335.07 336.33 337.39 337.65 337.57336.25 334.39 332.44 332.25 333.59 334.76335.89 336.44 337.63 338.54 339.06 338.95337.41 335.71 333.68 333.69 335.05 336.53337.81 338.16 339.88 340.57 341.19 340.87339.25 337.19 335.49 336.63 337.74 338.36;proc gplot data=example1;plot co2*time;symbol c=black v=star i=join;proc arima data=example1;identify var=co2;run;结果：时序图：自相关图：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：0.908 0.722 0.513 0.351 0.248 0.2043. 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：data example2;input yu;time=intnx(month,01jan1945d,_n_-1);format time date.;cards;69.3 80.0 40.9 74.9 84.6 101.1 225.0 95.3 100.6 48.3 144.5 128.338.4 52.3 68.6 37.1 148.6 218.7 131.6 112.8 81.8 31.0 47.5 70.196.8 61.5 55.6 171.7 220.5 119.4 63.2 181.6 73.9 64.8 166.9 48.0137.7 80.5 105.2 89.9 174.8 124.0 86.4 136.9 31.5 35.5 112.3 143.0160.8 97.0 80.5 62.5 158.2 7.6 165.9 106.7 92.2 63.2 26.2 77.052.3 105.4 144.3 49.5 116.1 54.1 148.6 159.3 85.3 67.3 112.8 59.4;proc gplot data=example2;plot yu*time;symbol c=black v=star i=join;proc arima data=example2;identify var=yu;run;结果：时序图：自相关图：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 -144.085 68.925 -178.390 -59.750 84.262386.829 641.442 -28.912 96.619 -380.149 -357.478 -460.533 163.1512. 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：data example3;input xsl;time=intnx(month,01jan2000d,_n_-1);format time date.;cards;153 187 234 212 300 221 201 175 123 104 85 78134 175 243 227 298 256 237 165 124 106 87 74145 203 189 214 295 220 231 174 119 85 67 75117 178 149 178 248 202 162 135 120 96 90 63;proc gplot data=example3;plot xsl*time;symbol c=black v=star i=join;proc arima data=example3;identify var=xsl;run;结果：时序图自相关图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