GDP的ARIMA模型及程序(1).doc

/* arima模型GDP 事例程序 在SAS/EST 软件中有一个综合软件包PROC ARIMA，只需输简洁的命令就可以得到包括模型识别、参数估计、相对优化模型选择、短期预测等丰富的分析结果。实际上，一个完整的ARIMA程序由identify(模型识别)、estimate(估计)、forecast(估计)组成。他们涵盖了平稳序列建模的每个步骤，可以联合使用，也可分开使用。*/ ARIMA过程的语法格式如下：Proc arima data = ;Identify var = ststionarity = ( = ) nlag = k minic p = (0: n) q = (0: m);Estimate method = 参数估计方法 p = n q = m noint; Forecast lead = u id = 时间变量 out = results;Run 说明： 1) Identify命令输出5方面的信息：分析变量的描述性统计、样本自相关图、样本逆自相关图、样本偏自相关图和纯随机检验结果；（注意：若是var=x(s,k),则表示先对x进行s步差分，再k步差分;difk(dif(x): dif(x)对x一阶差分，difk（y）_对y做k步差分） 如果增加可选项minic短语，则可以得到一定范围内的最优模型定阶。如果增加可选项ststionarity短语，则可以得到单位根检验的结果。 2) Estimate命令输出5方面的信息：未知参数的估计值、拟合统计量的值、系数相关阵、残差自相关检验结果和拟合模型的具体形式；noint-是否要常数项，缺省要 如果增加可选项method短语，则可以选择参数估计的方法：ML（极大似然法）、ULS（最小二乘法）、CLS（条件最小二乘法系统默认）。 3) Forecast命令输出模型对序列的短期预测值，包括预测值的标准差、95%的置信下限、95%的置信上限等； 利用存储在临时数据集results中的数据，可以绘制拟合、预测图。1. 时序图及平稳性检验 /* 原始数据散点图 */proc gplot data=tmp1.rjgdpsj;plot gdp*year=1 ;symbol c=red i=join v=star;run;注 symbol常用参数/* C图形颜色，red_红色，black_黑色，green_绿色，blue_蓝色，pink_洋红等 */* V观测值的图形，star_*, dot_., cicle_圆圈，diamond_菱形，none_不标 */* I观察值的链接方式，join_线连，spline_光滑连接，needle_作观察值到横轴悬垂线，none_不连 */ I=RL绘制线性回归直线，RQ二次曲线，RC三次曲线CV-专指点的符号的颜色， CI-专指连线颜色， L=n,n为线型的序号，0-空白线，1-实线，2-虚线proc arima data= tmp1.rjgdpsj;identify var=gdp stationarity =(adf=3) nlag=12;run;/* stationarity 支持sdf、pp和rw三种检验方法，adf=3为adf的3阶延迟检验(缺省=2) */结果详解见王燕P2342.平稳变换再做时序图 /* 原始数据对数、差分变换 */data gdp;set tmp1.rjgdpsj;loggdp=log(gdp);cfloggdp=dif(loggdp);run;/*对数数据散点图*/proc gplot;plot loggdp*year=1 ;symbol c=black i=join v=star;run;/* 一阶差分对数数据散点图*/proc gplot;plot cfloggdp*year=1;symbol c=green v=dot i=join;run;3.平稳性检验/* 一阶差分对数数据的自相关图、偏自相关图、纯随机性检验、单位根检验 */proc arima data=gdp;identify var=loggdp(1) stationarity =(adf=3) nlag=12;run;/* loggdp(1)这里的数1为差分阶数 */4.定阶 /* 定阶 */proc arima data=gdp;identify var=loggdp(1) nlag=6 minic p=(0:2) q=(0:4);run;/* minic为一定范围模型定阶相对最优模型识别 */5.参数估计 /* 参数估计 */proc arima data=gdp;identify var=loggdp(1);estimate p=1 q=0;run;/* SAS支持三种估计，默认为条件最小二乘估计，要制定可增加选项：METHOD=ML 极大似然估计METHOD=ULS 最小二乘估计METHOD=CLS 条件最小二乘估计 输出项的含义见王燕 P104*/;6.模型预测 /*参数估计及预测*/proc arima data=gdp;identify var=loggdp(1) nlag=16;estimate p=1 q=0;forecast lead=4 id=year out=results;run;7.绘制预测图 /*绘制预测图*/data results;set results;y=exp(loggdp);estimate1=exp(forecast);el95=exp(l95);eu95=exp(u95);run;proc gplot data=results;plot y*year=1 estimate1*year=2 el95*year=3 eu95*year=3 /overlay;symbol1 c=black i=none v=star;symbol2 c=red i=join v=none;symbol3 c=green i=join v=none l=2;run;/* 多条曲线画一起用 ” /overlay” */注：1）SAS白噪声自相关检验结果:To lag延迟阶数Chi-Squre是QLB统计量，服从卡方分布Df是QLB统计量服从的卡方分布的自由度 PrChisq该QLB统计量得P值2）自相关函数图中：Lag延迟阶数 Covariance延迟阶数给定后的自协方差函数 Correlation延迟阶数给定后的自相关函数 Std Error自相关函数的标准差“.”2倍标注差范围3）单位根检验结果详解见王燕P234，主要检查哪个p值小于显著水平a：类型1 无常数均值、无趋势的p阶自回归过程： 类型2 有常数均值、无趋势的p阶自回归过程： 类型3 有常数均值、又有趋势的p阶自回归过程： 6 还可以用VAXIS和HAXIS分别设置纵轴和横轴的刻度。注意：如果某个数据超过了你指定的这个刻度，那么这个数据将不会被输出，因此在用这两个选项时要非常小心。proc gplot data=sashelp.shoes;where Region in(United States,