SAS经济时间序列分-各种模型分析

SAS经济时间序列分-各种模型分析

目录

实验一分析太阳黑子数序列.....................3

实验二模拟AR模型.........................4

实验三模拟MA模型和ARMA模型...................6

实验四分析化工生产量数据.....................8

实脸五模拟ARIMA模型和季节ARIMA模型..............10

实验六分析美国国民生产总值的季度数据..............13

实验七分析国际航线月度旅客总数数据................16

实验八干预模型的建模.......................19

实验九传递函数模型的建模....................22

实验十回归与时序相结合的建模...................25

太阳黑子年度数据..........................28

美国国民收入数据..........................29

化工生产过程的产量数据......................30

国际航线月度旅客数据.......................30

洛杉矶臭氧每小时读数的月平均值数据................31

煤气炉数据.............................35

芝加哥某食品公司大众食品周销售数据................37

牙膏市场占有率周数据.......................39

某公司汽车生产数据........................44

加拿大山猫数据...........................44

实验•分析太阳黑子数序列

一、实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS软件使用方法。

二、实验内容：分析太阳黑子数序列。

三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

1、开机进入SAS系统。

2、创建名为expl的SAS数据集,即在窗中输入下列语句:

3、保存此步骤中的程序，供以后分析使用（只需按工具条上的保存按钮然后填写完提问后就可以把这

第1页共44页

SAS经济时间序列分-各种模型分析

段程序保存下来即可)。

4、绘数据与时间的关系图，初步识别序列，输入卜列程序:

odshtml;

odslistingclose;

run;提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。

太阳黑子数序列

识别模型，输入如下程序。

6、提交程序，观察输出结果。初步识别序列为AR(2)模型。

7、估计和诊断。输入如下程序：

8、提交程序，观察输出结果。假设通过了白噪声检验，且模型合理，则进行预测。

9、进行预测，输入如下程序：

提交程序，观察输出结果。

第2页共44页

SAS经济时间序列分-各种模型分析

ConditionaILeastSquaresEstimation

Approx

ParameterEstimateStandardErrortVaIuePr>|t|Lag

MU617.25781443786813.91<.00010

AR1,11.3681700502226.92<.00011

ARh2-0.67322005090-13.23<.00012

AutocorreIationCheckofResiduaIs

ToChi-Pr>

LagSquareDFChiSqAutocorre1ations

66.3440.1755-0.0820.099-0.0460.093-0.0010.037

ModeIforvariabIea1

EstimatedMean617.2578

AutoregressiveFactors

Factor1:1-1,36817B**(1)+0.67322B**⑵

ForecastsforvariabIea1

ObsForecastStdError95%ConfidenceLimits

217353.1251203.1182-449793751.2295

218549.7821344.2165-124.86991224.4342

219702.7606421.6179-123.59531529.1165

220779.6660446.1863-94.843116541751

221781.8965447.6254-95.43321659.2262

222733.1735450.3247-149.44671615.7937

退出SAS系统,

第3页共44页

SAS经济时间序列分-各种模型分析

关闭计算机。

总程序：

dataexpl;

expl.txtD:\expl.txt”;

inputal

year=intnx('year','1janl742,d,_n_-1);

formalyearyear4.;

procprint;run;

odshtml;

ods1istingclose;

procgplotdala=expl;

symboli=splinev=doth=lcv=redci=greenw=l;

plotal*year/autovreflvref=2cframe=yellowcvref=black;

title”太阳黑子数序列”;

run;

procarimadata=cxpl;

identifyvar=a1nlag=24ininicp=(0:5)q=(0:5);

estimatep=3;

forecastlead=6interval:yearid=yearout=out;

run;

procprintdata=out;

run;

选取拟合模型的规则：

1.模型显著有效(残差检验为白噪声)

2.模型参数尽可能少

3.结合自相关图和偏自相关图以及minic条件(BIC信息量最小原则),选取显著有效的参数

实验二模拟AR模型

一、实验目的：熟悉各种AR模型的样本自相关系数和偏相关系数的特点，为理

论学习提供直观的印象。

二、实验内容：随机模拟各种AR模型。

第4页共44页

SAS经济时间序列分-各种模型分析

三、实验要求：记录各AR模型的样本自相关系数和偏相关系数，观察各种序列

图形，总结AR模型的样本自相关系数和偏相关系数的特点

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

1、开机进入SAS系统。

2、模拟实根情况,模拟Z/+0.6ZZ-0.4Z”2=%过程。

3、在edit窗中输入如下程序：

4、观察输出的数据，输入如下程序，并提交程序。

观察样本自相关系数和偏相关系数，输入输入如下程序，并提交程序。

作为作业把样本自相关系数和偏相关系数记录下来。

5、估计模型参数，并与实际模型的系数进行对比，即输入如下程序，并提交。

6、模拟虚根情况，模拟z,-z』+0.5z,_2=4过程。重复步骤3-7即可（但部分程序需要修改，

请读者自己完成）。

7、模拟AR（3）模型，模拟z,-0.4%+0.3彳_2-0.2彳_3=勺过程。重复步骤3-7即可（但部分程

序需要修改，请读者自己完成）.

10、回到gmph窗口观察各种序列图形的弁同

11、退出SAS系统,关闭计算机.

第5页共44页

SAS经济时间序列分-各种模型分析

10

-11|rrI「―一一r[i-rirr一r一一i-i一一r一一r一ir―一一—一一一一ii-i-irr

I•1,•I*1••I11••I•11'I''''I'1>•I••••I11••I••1•I11•1I••1•I••''I11,•I1•••I•1'•

-50-30-101030507090113130150170190210230250

ConditionaILeastSquaresEstimation

Approx

ParameterEstimateStandardErrortVaIuePr>|t|Lag

AR1,1-0.621360.05410-11.48<.00311

AR1,20.358520.054426.59<.00312

Modelforvariablex

Nomeanterminthismode/.

AutoregressiveFactors

Factor1:1+0,62136B**(1)-0.35852B**(2)

总程序:

title;

dataa;

第6页共44页

SAS经济时间序列分-各种模型分析

xl=O.5;

x2=0.5;

doi=-50to250;

a=rannor(32565);

x=a-0.6*xl+0.4*x2;

x2=xl;

xl=x;

output;

end;

run;

procprintdata=a;

varx;

procgplotdata=a;

symboli=splinec=red;

plotx*i/haxis=-50to255by20;

run;

qut;

procarimadata二a;

identifyvar:xnlag=10ninicp=(0:3)q=(0:3)outccv=expl;

estimatep=2noint;

run;

procgplotdata=expl;

symboli=noodlewidth=6

plotcorr*lag;

run;

procgplotdata=expl;

symboli=needlewidth=6

plotpartcorr*lag;

run;

实验三模拟MA模型和ARMA模型

一、实验Fl的：熟悉各种MA模型和ARMA模型的样本自相关系数和偏相关系数

第7页共44页

SAS经济时间序列分-各种模型分析

的特点，为理论学习提供直观的印象。

二、实验内容：随机模拟各种MA模型和ARMA模型。

三、实验要求：记录各MA模型和ARMA模型的样本自相关系数和偏相关系数，

观察各序列的异同，总结MA模型和ARMA模型的样本自相关系

数和偏相关系数的特点

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

1、开机进入SAS系统。

2、模拟仇<0,%<0情况，模拟X,=（1+0.654+0.2442）。,过程。

3在edit窗中输入如下程序：

4、观察输出的数据序列，输入如卜程序，并提交程序。

5、观察样本自相关系数和偏相关系数，输入输入如下程序，并提交程序。

6、估计模型参数，并与实际模型的系数进行对比，即输入如下程序，并提交。

7、模拟4>0,d>0情况，模拟阳=（1一0.658-0.24炉）见过程。重复步骤3-7即可（但部分程序

需要修改，请读者自己完成）。

8、模拟4>0,&<0情况，模拟七=（1一0.658+0.2432）/过程。重复步骤3-7即可（但部分程

序需要修改，请读者自己完成）。

9、模拟仇<0,%>0情况，模拟再=（1+0.653-0.24炉）勺过程。重复步骤3-7即可（但部分程

序需要修改，请读者自己完成

10、模拟ARMA模型，模拟X,+0.75xi+0.5x_2=5+q—0.3qT—0.4a々过程。重复步骤3-7即

可（但部分程序需要修改，请读者自己完成）.

11、回到gmph窗口观察各种序列图形的异同。

12、退出SAS系统,关闭计算机.

总程序：

第8页共44页

SAS经济时间序列分-各种模型分析

dataa;

al=O;

a2=0;

don=lto250;

a=rannor(32565);

x=a+0.65*al+0.24*a2;

a2=a1;

al=a;

output;

end;

run;

procgplotdata=a;

symboli=splineh=lw=1:

plotx*n/haxis=-10to260by10;

run；

第9页共44页

SAS经济时间序列分-各种模型分析

procarimadata=a;

identifyvar=xnlag=10ninicp=(0:3)q=(0:3)outccv=expl;

estimateq=2noint;

run;

procgplotdata=cxpl;

symbol1i=needlec=red;

plotcorr*lag=l;

run;

procgplotdata=expl;

symbol2i=ncedlcc=grecn;

plotpartcorr*lag=2;

run;

quit;

实验四分析化工生产量数据

一、实验目的：进一步熟悉E寸间序列建模的基本步骤，掌握用SACF及SPACF定

模型的阶的方法,

二、实验内容：分析化工生产过程的产量序列。

三、实验要求：掌握ARMA模型建模的基本步骤，初步掌握数据分析技巧。写出

实验报告。

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

1、开机进入SAS系统。

2、创建名为exp2的SAS数据集，即在窗中输入下列语句：

3、保存此步骤中的程序，供以后分析使用(只需按工具条上的保存按钮然后填写完提问后就可以把这

段程序保存下来即可)。

4、绘数据与时间的关系图，初步识别序列，输入下列程序：

5、提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。

6、识别模型，输入如下程序。

7、提交程序，观察输出结果，发现二阶样本自相关系数和一阶的样本偏相关系数都在2倍的标准差之

第10页共44页

SAS经济时间序列分-各种模型分析

外，那么我们首先作为一阶AR模型估计，输入如下程序：

8、提交程序，观察输出结果，发现残差能通过白噪声检验，但它的二阶的样本偏相关系数比较大，那

么我们考虑二阶AR模型。输入如下程序：

9、提交程序，观察输出结果，发现残差样本自相关系数和样本偏相关系数都

在2倍的标准差之内。且能通过白噪声检验。比较两个模型的AIC和SBC,

发现第二个模型的AIC和SBC都比第一个的小，故我们选择第二个模型为

我们的结果。

10、记录参数估计值，写出模型方程式。

11、进行预测，输入如下程序：

12、提交程序，观察输出结果。

13、退出SAS系统，关闭计算机。

dataexp2:

expl.txt"D:\cxpl.txt”;

inputx

n=_n_;

procprint;run;

procgplotdata=exp2;

symboli=joinv=stai'h=2ci=greencv=red;

plotx*n/vref=cvref=red1vref=2;

run;

procarimadata=exp2;

identifyvar=xnlag=12ninicp=(0:3)q=(0:3);

estimateplotp=l;

forecastlead=2out=out：

run;

qut;

第11页共44页

SAS经济时间序列分-各种模型分析

实验五

模拟ARIMA模型和季节ARIMA模型

一、实验目的：熟悉各种ARIMA模型的样本自相关系数和偏相关系数的特点，

区别各种ARIMA模型的图形，为理论学习提供直观的印象。

一、实验内容：随机模拟各种ARIMA模型。

二、实验要求：记录各ARIMA模型的样木自相关系数和偏相关系数观察各序列

图形的异同，总结ARIMA模型的样本自相关系数和偏相关系数

的特点

三、实验时间：2小时。

四、实验软件：SAS系统。

五、实验步骤

1.开机进入SAS系统。

2.2、模拟ARIMA(0,1,1)过格模拟.过程。

3.创建数据集，在。dit窗中输入如下程序：

4、观察输出的数据序列，输入如下程序：。

5、提交程序，在Graph窗口中观察图形。

6、观察样本自相关系数和偏相关系数，输入输入如下程序：

提交程序，发现自相关系数成缓慢下降的趋势，说明要做差分运算，做一阶差分运算，输入如下程序:

7、提交程序，观察样本自相关系数与样本偏相关系数，发现自相关系数1阶截尾，故判断差分后序列

第12页共44页

SAS经济时间序列分-各种模型分析

为MA(1)模型。进行模型参数估计，输入如下程序:

8、提交程序，并观察残差图，发现模型拟合完全。

10、写出模型的方程，并与真实模型对比。

title;

dataa;

xl=0.9;

al=0;

don=()to250;

a=rannor(32565);

x=xl+a-0.8*al;

xl=x;

al=a:

output;

end;

run;

procgplotdata=a;

symboli=joinv=doth=lci=greencv=red;

plotx*n/vref=-214cvref=redlvref=2haxis=-10to260by10;

run;

procarimadata=a;

identifyvar=xnlag=10ninicp=(0:3)q=(0:3)outccv=expl;

run;

procgplotdata二expl;

symbol1i=needlec=red;

plotcuii*lag-1,

run;

procgplotdata=expl;

symbo12i=needlec=green;

plotpartcorr*lag=2;

run;

procarimadata=a;

第13页共44页

SAS经济时间序列分-各种模型分析

identifyvar=x(l)nlag=24minicp=(0:3)q=(0:3);/*一阶差分x(l)*/

estimateq=lplotnoint：

qut;

ModeIforvciriabIex

Period(s)ofDifferencing1

Nomeanterminthismode/.

MovingAverageFactors

Factor1:1-078069B**(1)

11、模拟ARIMA(l,l,0)模型，模拟

(1一0.58)(1-8)乙二q过程。重复步骤

3-10即可(但部分程序需要修改，请读者自己完成)。

12模拟/(P,。,。),模型，

模拟(1-8)(1-9？)芍=(1-0.45)(1-0.642)〃模型，

即4R/M4(0,U)(0,U)12模型。

13、创建数据集，在edit窗中输入如下程序：

14、绘序列图，输入如下程序：

15、提交程序，到graph窗口中观察序列图形。

16、初步识别模型，输入如下程序：

17、提交程序，观察样本臼相关系数和样本偏相关系数。

18、做季节差分和一阶差分除掉季节因子和趋势因子，输入如下程序：

19、提交程序，观察样本自相关系数和样本偏相关系数，确定模型阶数。

20、估计模型参数，输入如下程序：

21、提交程序，观察残差的样本自相关系数和样本偏相关系数，看是否通过

了白噪声检验。写出模型方程式，并与真实模型对比。

第14页共44页

SAS经济时间序列分-各种模型分析

22、回到graph窗口观察各种序列图形的异同。

退出SAS系统,关闭计算机.

datac;

xl=O.9;x2=0;x3=0;x4=0;x5=0;x6=0;x7=0;

x8=0;x9=0;x10=0xll=0;xl2=0;x13=0;

al=0;a2=0;a3=0;a4=0;a5=0;a6=0;a7=0;

a8=0;a9=0;al0=0al1=0;al2=0;al3=0;

don=0to250;

a=iannul(12345);

x=xl+xl2-xl3+a-0.4*al-0.6*al2+0.24*al3;

xl3=xl2;xl2=xll;xll=xl0;xl0=x9;x9=x8;x8=x7;

x7=x6;x6=x5;x5=x4;x4=x3;x3=x2;x2=x1;xl=x;

al3=al2;al2=al1;all=al0;al0=a9;a9=a8;a8=a7;

a7=a6;a6=a5;a5=a4;a4=a3;a3=a2;a2=al;al=a;

output;

第15页共44页

SAS经济时间序列分-各种模型分析

end;

run;

procgplotdata=c;

symboli=joinv=doth=lci=greencv=red;

plotx*n/vref=-20110cvref=redlvref=2haxis=-10to260by10;

run;

procarimadata=c;

identifyvar=xnlag=20ninicp=(0:3)q=(0:3):

run;

identifyvar=x(1,12)nlag=36minicp=(0:3)q=(0:3)outcov=expl;

run;

estimateq=(l)(12)method=clsnoint;

run;

procgplotdata=expl;

symbol1i=needlec=red;

plotcorr*lag=l;

run;

procgplotdata二expl;

symbol2i=needlec=green;

plotpartcorr*lag=2;

run;

qut;

第16页共44页

SAS经济时间序列分-各种模型分析

ModeIforvariabIex

Period(s)ofDifferencing1,12

Nomeanterminthismode/.

MovingAverageFactors

Factor1:1-0,24484B**(1)

Factor2:1-0.71884B**(12)

实验六分析美国国民生产总值的

季度数据

一、实验目的：进一步学习数据分析技巧，进一步了解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。

三、实验要求：写出分析报告。

四、实验时间：2小时。

五、实验软件：SAS系统。

六,实验步骤

1、开机进入SAS系统。

2、建立名为。xp3的SAS数据集，输入如下程序：

3保存上述程序，供以后分析使用（只需按工具条上的保存按钮，然后填写

完提问后就可以把这段程序保存下来）。

4、绘序列图，输入如下程序：

5、观察图形，发现图形成指数函数上升形式，故做对数变换，输入如下程序：

6、绘变换后序列图，输入如下程序：

7、提交程序，到graph窗口中观察变换后的序列图，可以看出它成直线上升趋势。对序列做初步识别,

输入如下程序：

8、提交程序，观察样本自相关系数，可看出有缓慢下降趋势，结合我们观察的图形，我们知道要对序

列做差分运算，作一阶差分，输入如下程序：

9、提交程序，观察样本自相关系数，可看出样本自相关系数5步后是截尾的，那么确定为MA⑸模型,

进行参数估计，输入如下程序：

第17页共44页

SAS经济时间序列分-各种模型分析

10、提交程序，观察输出结果，可看出模型通过了白噪声检验，说明模型拟合充分。且MA1,3,MA1,4

的T值较小，说明参数显著为0,除掉这两项重新进行估计，输入如下程序：

11、提交程序，观察输出结果，可看出模型通过了白噪声检验，说明模型拟合充分，且残差标准误

与前一估计相差很小，故以此结果为我们所要的结果，依此结果写出方程式。

12、进行预测，预测美国未来2年的每季国民生产总值。输入如下程序：

13、提交程序，并把预测值记录下来。

退出SAS系统,关闭计算机。

date

PLOTgrp

dataexp3;

infHe"C:\DucuHienlsand川桌面expl.Ixlexpl.Ixl”;

inputgnp@@;

date=intnx('qtr',“1jan47'd,_nT);

formatdateyyqc.;

run;

procgplotdata=exp3;

symboli=joinw=2ci=green;/*w：线的大小h：点的大小1：线的类型*/

第18页共44页

SAS经济时间序列分-各种模型分析

plotgnp*date=l;

run;

datalexp;

setcxp3;

lgnp=log(gnp);

run;

procgplotdata=lexp;

symbol2i=splinec=redw=2;

plotlgnp*date=2;

run;

procarimadata=lexp;

identifyvar=lgnp(l)nlag=12minicp=(0:3)q=(0:3);

run:

estimateq=5;

run;

estimateq=(l,2,5)plot：

run;

forecastlead=6interval=qtrid:dateout二results;

run;

dataresults2;

setresults;

gnp=exp(lgnp);

]95;exp(195);

u95=exp(u95);

foreudbl-exp(forectiist),

keepdategnp195forecastu95;

run;

procprintdata=results2;

vai'dategnp195forecastu95;

wheredate>=,ljan961d;

run;

第19页共44页

SAS经济时间序列分-各种模型分析

procgplotdata=results2;

plotgnp*date=lforecast*date=2195*date=3u95*date=3/overlaylegend;

symbol1v=dotcv=redi=noneh=lw=l;

symbol2i=joinci=green

symbol3i=splincci=black1=2;

qut;

ModeIforvariabIeIgnp

EstimatedMean0.01766

Period(s)ofDifferencing1

MovingAverageFactors

Factor1:1+0,4674B**(1)+0.30715B**(2)-0.30001B**(5)

实验七分析国际航线月度旅客总数数据

一、实验目的：熟悉运用SAS建立4H/M4(p,d,q)(P,20)s模型的方法，进一步

了解力火”/力(〃,"国)(820，模型的特征。

二、实验内容：1949年1月至I960年12月国际航线月度旅客总数数据。

三、实验要求：写出分析报告。

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

1、开机进入5As系统。

2、建立名为exp4的SAS数据集，输入如下程序：

2、绘序列图，输入如下程序：

3、提交程序，观察图形，发现图形有很强的季节性，且成指数函数上升形式，故做对数变换，输入如

下程序：

4、绘变换后序列图，输入如卜.程序：

5、提交程序，到graph窗II中观察变换后的序列图，可以看出它总的趋势成直线上升，且有很强的李

第20页共44页

SAS经济时间序列分-各种模型分析

节性。对序列做初步识别，输入如下程序：

6、提交程序，观察样本自相关系数和偏相关系数，可看出样本自相关系数有缓慢卜.降趋势.偏相关系

数在1步，13步，25步较大，我们作一步一阶差分，输入如下程序：

7、提交程序，观察样本自相关系数和偏相关系数，发现样本与相关系数在12步，24步，36步特别大,

而偏相关系数在12步特别大，那么我们再做12步的一阶差分，输入如下程序：

10、提交程序，观察样本自相关系数和偏相关系数，发现样本自相关系数在

1步，12步特别大，而偏相关系数看不出有特别的规律，我们可确定模型

的MA因子为（1—48）（1—%8设）a,o

11、进行参数估计，输入如下程序：

12、提交程序，观察输出结果，可看出模型通过了白噪声检验，说明模型拟

合充分，故以此结果为我们所要的结果，依此结果写出方程式。

13、进行预测,输入如卜程序：

14、提交程序，仔细观察预测的结果有什么规律，思考为什么有这样的规律？

15、变换预测值，以获取原度量下的预测值，输入如下程序：

16、绘预测和置信限的散点图，输入如下程序：

17、提交程序，观察图形。

退出SAS系统，关闭计算机。

第21页共44页

SAS经济时间序列分-各种模型分析

date

dataexp4;

infile"C:\DocumentsandSettings\Administrator\桌面\expl.txt”;

inputair@@;

date=intnx('month*,11jan49*d,_n_-l);

formatdatemonyy.;

run;

procgplotdata=exp4;

symbol1i=joinv=dotc=red;

plotail+dcile=l;

run;

datalair;

setexp4;

lair=log(air);

run;

procgplotdata=lair;

第22页共44页

SAS经济时间序列分-各种模型分析

symbol?i=splinec二green;

plotlair*date=2;

run;

procarimadata=lair;

identifyvar=lairn1ag=36;

run;

identifyvar=lair(l)nlag=24;

run;

identifyvar=lair(l,12)nlag=24minic;

run;

estimateq=(l)(12)noconstantmethod=ulsplot;

run;

forecast1ead=3interval=monthid=dateout=b：

run;

procprintdata=b;

run;

datac;

setb;

air=exp(lair);

forecast=exp(foreccist+std*std/2);

195=exp(195);

u95=exp(u95);

run;

procprintdata=c;

run;

symbol1I=noncv=starr=lc=red;

symbol2I=joinv=plusr=lc=grecn;

symbol3I=joinv=none1=3r=lc=blue;

procgplotdata=c;

wheredata〉='1jan59'd;

plotair*date=lforecast*date=2195*date=3u95*date=3/

overlayhaxis='1jan59'dto'lmar61'dbvmonth:

第23页共44页

SAS经济时间序列分-各种模型分析

run;

Unconditiona1LeastSquaresEstimation

Approx

ParameterEstimateStandardErrortVaIuePr>|t|Lag

MA1,10.395940.081494.86<.00011

MA2,10.613310.079617.70<.000112

AutocorreIationCheckofResidua1s

ToLagChi-SquareDFPr>ChiSqAutocorre1ations

65.5640.23490.0220.024-0.125-0.1290.0570.065

128.49100.5816-0.065-0.0420.102-0.0600.0230.007

ModeIforvariabIelair

Period(s)ofDifferencing1,12

Nomeanterminthismode/.

MovingAverageFactors

Factor1:|1-0,39594

Factor2:1-0,61331B**(12)

ForecastsforvariabIeIair

ObsForecastStdError95%ConfidenceLimits

1456.10990.03696.03756.1823

1466.05580.04315.97126.1403

1476.17810.04866.08306.2733

实验八干预模型的建模

第24页共44页

SAS经济时间序列分-各种模型分析

一、实验目的：掌握干预模型的分析方法，进一步熟悉ARIMA过程的使用方法。

二、实验内容：1955年1月至1972年12月洛杉矶月平均臭氧数据。

三、实验要求：写出实验报告，掌握干预模型的建模方法。

四、实验时间：2小时。

五.实验软件：SAS系统。

六、实验步骤

1、开机进入SAS系统。

2、建立名为exp5的SAS数据集，输入如下程序：

或者输入如下程序：

dataexp5;

inputozone@@;

date=intnx('monthz'1jan55zd,_n_-l):

formatdatemonyy.;

month=month(date);

year二year(date);

xl=year>=1960;

summer=(5<month<ll)*(year>1965);

wir)ter=(year>1965)-summer;

cards;

只输入ozone一栏的数据

•

run;

3、保存上述程序，供以后分析使用(只需按工具条上的保存按钮，然后填写

完提问后就可以把这段程序保存下来)。

4、绘序列图，输入如下程序：

5、提交程序，观察图形，发现图形有很强的季节性和缓慢下降的趋势。

6、初步识别模型，输入如下程序：

7、提交程序，观察样本自相关系数和偏相关系数，可看出样本自相关系数在1步，12步，24步，36

步都较大，且具有周期性，偏相关系数在1步最大，我们作季节差分，输入如下程序：

8、提交程序,观察样本自相关系数和偏相关系数,发现样本自相关系数在

第25页共44页

SAS经济时间序列分-各种模型分析

1步，12步较大，而偏相关系数在1步，12步，24步都较大，且呈现拖尾

现象，我们可确定模型的MA因子为(1-48)(1-/8“)为。

9、进行参数估计，输入如下程序：

10、提交程序，观察输出结果，可看出模型不是很干净，且不能通过白噪声

检验。我们可以做残差序列图，观看残差的特性，输入如下程序：

11、进行预测，输入如下程序：

12、提交程序，观察图形，可看出前面一段时期的残差比后面的要大。

13、我们考察修建高速公路后，是否对臭氧有显著性影响，输入如下程序：

14、提交程序，观察输出结果，发现模型的标准差,AIC,SBC都变小了很多，

且xl的影响显著。思考为什么要对xl进行季节差分？

15、我们再来考察汽车装上尾气过滤器，是否对臭氧有显著性影响，输入如

卜程序：

16、提交程序，观察输出结果，发现模型的标准差,AIC,SBC都变小了，且

模型基本上通过了白噪声检验，并且xl,summer的影响显著，而winter

的影响不显著。思考为什么不对summer和winter进行差分？

17、进行预测值，输入如下程序：

注：这样的预测是xl,suumer,winter已知的预测。

18、提交程序，观察预测值。

19、退出SAS系统,关闭计算机。

第26页共44页

SAS经济时间序列分-各种模型分析

date

dataexp5;

infile"C:\DocumentsandSettings\Administrator\桌面\expl.txl”;

inputnozonexlsummerwinter^1®;

date=intnx('month1,11jan55,d,_n__l);

formatdatemonyy.;

run;

procgplotdata=exp5;

symbol1i=joinv=dotc=red;

plotuz;uiie*dcile=lr

run;

procarimadata=exp5;

identifyvar=ozonenlag-36;

run;

identifyvar=ozone(12)nlag=36minic;

run;

第27页共44页

SAS经济时间序列分-各种模型分析

estimateq=(l)(6)(12)method=cisplot;

run;

forecastlead=36interval=monthid=dateout=bnoprint;

run;

procgplotdata=b;

symbolI=splinev=dotc二red;

plotresidual*date;

run;

procarimadata=exp5;

identiTyvar=ozone(12)crosscorr=(x1(12))noprint;

estimateq=(l)(6)(12)input=(xl)noconstartmethod=mlitprintplot;

run;

procarimadata=cxp5:

identifyvar=ozone(12)crosscorr=(xl(12)summerwinter)

noprint;

estimateq=(l)(12)input=(xlsummerwinter)noconstant

method二mlitprintplot;

run;

forecastlead=12id=dateinterval=monthout=c;

run;

procgplotdata=c;

symbolI=splinev=dotc二red;

plotresidual*date;

run;

qut；

实验九传递函数模型的建模

一、实验目的：熟悉传递函数模型的建模方法。

二、实验内容：煤气炉数据。

三、实验要求：写出实验报告，总结传递函数模型的建模的一般步骤。

四、实验时间：2小时。

五、实验软件：SAS系统。

六、实验步骤

第28页共44页

SAS经济时间序列分-各种模型分析

I、开机进入SAS系统。

2、建立名为exp6的SAS数据集，输入如下程序：

3、保存上述程序，供以后分析使用（只需按工具条上的保存按钮，然后填写

完提问后就可以把这段程序保存下来）o

4、绘序列图，输入如下程序：

5、提交程序，仔细观察两序列图形，看两者有何联系。

6、先观察看和乂的相关情况，看是否要做差分，输入如下程序：

7、提交程序，观察再的乂自相关和互相关系数，发现都很快的衰减，表明不

要做差分运算。

8、识别输入序列为，输入如二程序：

9、提交程序，观察节的自相关和偏相关系数，可以看到偏相关系数是3步

截尾的。

10、对月拟合AR（3）模型，看是否充分，输入如下程序：

11、提交程序，观察输出结果，可看到模型通过了白噪声检验，说明拟合效

果不错，把拟合的方程式写出来。

12、观察预白噪声化后的两序列的互相关系数，输入如下程序：

13.提交程序，观察样本自相关系数和偏相关系数和互相关系数，我们可以

初步识别传递函数模型为（2,2,3）（思考：为什么？），即：

（1_68-2炉）£=（砥-叼8-%82）%

14、进行参数估计，并查看残差的相关情况，输入如下程序：

15、提交程序，观察输出结果，可以看到残差的偏相关系数是2步

截尾的。那么模型可识别为：

二（g-%B-①____"____

匕一（1—心8—&夕）t（1—入8—忆相）'

16、进行参数估计，输入如下程序：

17、提交程序，观察输出结果，可看到b2很小，且模型通过了白噪声检验