时序分析论文

1、时序分析数学实验题目(点明问题和方法)班级 班级 学号 学号 姓名 姓名 邮箱 邮箱 电话 电话 教师评分 提交日期 2014年 月 日 时 分摘要进出口总值当期值分析是根据往年实际进出我国国境的货物总金额对未来进出口总值当期值发展方向的预测。这种预测行为只是基于假定的因素为既定的前提条件为基础的。难于用于准确预计，运用了时间序列为主要思想对未来值进行简单的预测。 本文运用应用时间序列分析的知识，对2001年1月到2014年5月国家进出口当期值运用sas统计软件对数据进行分析，分析时序图，调用ARIMA，对原序列进行差分运算，再计算自相关系数和偏相关系数，确定模型再进行模型预测。本文利用时间序

2、列分析软件SAS进行分析，其中数据来源于中国国家统计局官网。 关键词：进出口总值当期值、时间序列分析、SAS、ARIMA模型。正文1.绘图分析先绘制此数据时间序列的序列图，以直观的观察原始数据的趋势和特点。运行程序，输出的图形如图1。由图中可以看出，此进出口总值当期值图的时间序列图具有趋势性和周期性，因而不能判断其平稳，这也符合客观事实。在用ARIMA模型拟合时需要对员是数据进行差分处理。 图12.模型识别调用ARIMA过程，对模型的阶数进行识别，对变量total进行一阶差分，程序见附录。运行程序，输出的部分结果如下。图2、3中所示为进出口总值当期值（total）的一阶差分序列的基本统计量，自

3、相关函数序列、偏相关函数序列。从图中可以看出自相关序列有明显的拖尾趋势，而偏相关函数序列是一阶截尾的。 因此推断建立AR(1)模型来拟合total的一阶差分序列。 图 4 所示是total的一阶差分序列的白噪声检验结果，可以看出，滞后 6、12、18、24 期的显著性检验概率均小于0.0001。图2图3图43.模型估计根据以上分析，确定了模型的阶数 p=1，并进行了一阶差分。运行程序，输出的部分结果如下。如图5中所示，在0.01的显著水平上，参数AR(1,1)显著的不为0。另外，图中还输出了方差估计AIC信息准则等等结果。Ps：（AIC信息准则：赤池信息量准则，即Akaike informat

4、ion criterion、简称AIC，是衡量统计模型拟合优良性的一种标准，是由日本统计学家赤池弘次创立和发展的。赤池信息量准则建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。）图中所示是模型估计的最终参数，与前一图中所示的有关结果是相同的。由此可以得到最终的AR(1)模型方程为：。其中：，是进出口总值当期值一阶差分后，又消除了均值的序列，是白噪声序列。4.模型预测下面使用ARIMA(1,1，0)模型来预测进出口总值当期值在未来五个月的数据。程序见附录。 运行程序，输出结果如图，其中给出了预测值、标准误差、95%置信区间的上下限。图5图6图7下面对模型的预测结果进行绘

5、图，程序见附录。运行程序，输出的图形如图，可以看出原始数据（绿色的星号）全部落在了预报置信区域之内（两条虚线之间）。图85.结果分析    进出口总值会受很多因素的影响，如汇率，国民生产总值等因素的影响。对外贸易的发展对中国经济发展起到了不可低估的作用，在一定程度上反映了国家的经济整体情况。因此对进出口总值当期值的未来走势分析进行预测分析是有必要的。从实际数据可以看出用时间序列的ARIMA模型预测结果较好，进出口总值当期值随着时间的推移其值也是不断的增长。但是，越来越高的进出口贸易的增长，直接的结果就是我国外贸依存度的迅速攀升，这在一定程度上造成国民经济

6、的过分对外依赖,国际经济形式的风云变幻在一等程度上会严重影响我国的经济发展。国家也应对此问题作出相应的政策解决对外贸易的过分依赖。6. 参考文献1.何书元，应用时间序列分析，北京大学出版社；2.杜强，SAS统计分析标准教程，人民邮电出版社；3.中国国家统计局统计数据。附录：程序及原始数据Proc gplot data=Have;Plot total*date; /*画出进出口总值当期值对时间的序列图*/Symbol i=join v=star c=black;Run;Proc arima data =Have;Identify var=total(1); /*对total变量进行一阶差分*/R

7、un;Proc arima data=Have;Identify var=total(1);Estimate p=1;Run;Data Have;Forecast lead=5 id=date out=results; /*预测未来五个月的进出口总值当期值*/Proc gplot data=results;Plot total*date=1 forecast*date=2 l95*date=3 u95*date=3/overlay;Symbol1 c=blue i=none v=star;Symbol2 c=red i=join v=none l=1 w=1;Symbol3 c=green i

8、=join v=none l=2 w=2;Run; 原始数据datetotalJan-0132471478Jun-05122241579Nov-09208213860Feb-0137424240Jul-05120622786Dec-09243017595Mar-0143911529Aug-05126206291Jan-10204782346Apr-0144651461Sep-05132808633Feb-10181433048May-0139622274Oct-05124168029Mar-10231459885Jun-0143332569Nov-05133904978Apr-10238160

9、128Jul-0143843192Dec-05139808390May-10243988412Aug-0145701658Jan-06120485642Jun-10254769304Sep-0145839966Feb-06105792012Jul-10262308256Oct-0141692335Mar-06144902969Aug-10258568382Nov-0144844778Apr-06143439532Sep-10273095589Dec-0146892684May-06133223612Oct-10244811120Jan-0240673708Jun-06148119519Nov-

10、10283761707Feb-0235055616Jul-06146050666Dec-10295217729Mar-0246301912Aug-06162735898Jan-11295007361Apr-0252475399Sep-06167971961Feb-11200800092May-0247077295Oct-06152424888Mar-11304259379Jun-0249106904Nov-06168780985Apr-11299947165Jul-0256197636Dec-06167190806May-11301267415Aug-0256642337Jan-0715735

11、8930Jun-11301688971Sep-0261704894Feb-07140434953Jul-11318772463Oct-0255143413Mar-07159976870Aug-11328872435Nov-0259943788Apr-07178054164Sep-11324832092Dec-0260622072May-07165655863Oct-11297948470Jan-0360791757Jun-07179626502Nov-11334400118Feb-0348235241Jul-07191131293Dec-11332914539Mar-0364640400Aug

12、-07197735485Jan-12272600339Apr-0370218283Sep-07200940255Feb-12260424706May-0365446377Oct-07188397323Mar-12325968900Jun-0366812034Nov-07208960363Apr-12308076236Jul-0374623274Dec-07206144967May-12343582201Aug-0372036403Jan-08199814476Jun-12328686836Sep-0383593034Feb-08166180930Jul-12328733311Oct-03761

13、18408Mar-08204519033Aug-12329286043Nov-0378655255Apr-08220873768Sep-12345029990Dec-0390397705May-08220782553Oct-12319095518Jan-0471448799Jun-08221359490Nov-12339128259Feb-0476187481Jul-08248072192Dec-12366840927Mar-0492235758Aug-08241051168Janpr-0496498300Sep-08243497362Feb

14、ay-0487632915Oct-08221414714Marun-0499149006Nov-08189884755Aprul-0499976214Dec-08183334407Mayug-0498310791Jan-09141797865Junep-04106613957Feb-09124948306Julct-0497957453Mar-09162019659Augov-04111955162Apr-09170734409Sepec-04116492514May-09164127242Octan-0595016344Jun-0918257075