时间序列分析实验报告

1、时间序列分析实验报告时间序列分析实验报告25/25时间序列分析实验报告时间序列分析课程实验报告时间序列分析课程实验报告项目名称：非安稳序列确立性分析组员姓名：李菲指导教师：牛宪华完成日期：2013年4月20日_一、上机练习（P124）拟合线性趋向12.7914.0212.9218.2721.2218.8125.7326.2726.7528.7331.7133.95程序：dataxiti1;inputx;t=_n_;cards;12.7914.0212.9218.2721.2218.8125.7326.2726.7528.7331.7133.95;procgplotdata=xiti1;plot

2、x*t;symbolc=redv=stari=join;run;procautoregdata=xiti1;modelx=t;outputpredicted=xhatout=out;run;procgplotdata=out;plotx*t=1xhat*t=2/overlay;_symbol2c=greenv=stari=join;run;运转结果：分析：上图为该序列的时序图，可以看出其拥有明显的线性递加趋向，故使用线性模型进行拟合：xt=a+bt+It,t=1,2,3,12分析：上图为拟合模型的参数预计值，此中a=9.7086,b=1.9829，它们的检验P值均小于0.0001，_即小于明显

3、性水平0.05，拒绝原假设，故其参数均明显。从而所拟合模型为：xt=9.7086+1.9829t.分析：上图中绿色的线段为线性趋向拟合线，可以看出其与原数据基本吻合。拟合非线性趋向1.857.4814.2923.0237.4274.27140.72265.81528.231040.272064.254113.738212.2116405.95程序：dataxiti2;inputx;t=_n_;cards;1.857.4814.2923.0237.4274.27140.72265.81528.231040.272064.254113.738212.2116405.95_;procgplotdat

4、a=xiti2;plotx*t;symbolc=redv=stari=none;run;procnlinmethod=gauss;modelx=a*bt;parametersa=0.1b=1.1;der.a=bt;der.b=a*t*b(t-1);outputpredicted=xhout=out;run;procgplotdata=out;plotx*t=1xh*t=2/overlay;symbol2c=greenv=nonei=join;run;运转结果：_分析：上图为该时间序列的时序图，可以很明显的看出其基本是呈指数函数趋向慢慢递加的，故我们可以选择指数型模型进行非线性拟合：xt=abt

5、+It,t=1,2,3,12分析：由上图可得该拟合模型为：xt=1.0309*1.9958t+It_分析：图中的红色星号为原序列值，绿色的曲线为拟合后的拟合曲线，可以看出原序列值与拟合值基本上是重合的，故该拟合成效是很好的。3.X11过程4077741778431604589741947440614437847237433154339644843468354283343548446374710742552435264503947940437404500746667493254487846234470555031846354472604888352605485275023751592551525

6、045152294546335880253990554775785061978_程序：dataxiti3;inputx;t=intnx(quarter,1jan1978d,_n_-1);formattyyq4.;cards;40777417784316045897419474406144378472374331543396448434683542833435484463747107425524352645039479404374045007466674932544878462344705550318463544726048883526054852750237515925515250451522

7、94546335880253990554775785061978;procgplotdata=xiti3;plotx*t;symbolc=redv=stari=join;run;_procx11data=xiti3;quarterlydate=t;varx;outputout=outb1=xd10=seasond11=adjustedd12=trendd13=irr;dataout;setout;estimate=trend*season/100;procgplotdata=out;plotx*t=1estimate*t=2/overlay;plotadjusted*t=1trend*t=1i

8、rr*t=1;symbol1c=redi=joinv=star;symbol2c=blacki=nonev=star;run;运转结果：_分析：上图为该序列的时序图，可以很明显的看出其拥有长远增加趋向，且拥有季节颠簸，故我们用X-11过程进行拟合。分析：上图为季节调整后的序列值时序图。_分析：上图为趋向拟合值序列时序图。分析：上图为不规则颠簸值的时序图。_分析：上图中的红色线段为原序列值，黑色星星为拟合值，可以由图中看出该拟合值与原序列值基本上是重合的，故该拟合成效很好。4.Forecost过程程序：dataxiti4;inputx;t=1949+_n_-1;cards;40777417784

9、31604589741947440614437847237433154339644843468354283343548446374710742552435264503947940_437404500746667493254487846234470555031846354472604888352605485275023751592551525045152294546335880253990554775785061978;procgplotdata=xiti4;plotx*t;symbolc=redv=stari=join;run;procforecastdata=xiti4method=step

10、artrend=2lead=5out=outoutfulloutest=est;idt;varx;run;procgplotdata=out;plotx*t=_type_/href=2008;symbol1i=joinv=starc=black;symbol2i=joinv=nonec=green;symbol3i=joinv=nonec=red;symbol4i=joinv=nonec=red;run;_分析：由该序列的时序图可知，其拥有长远趋向,且含有季节效应，趋向特色基本为线性趋势，即trend=2.分析：由上表可以很明显的看到每一年的与序列值、展望值，还有展望的后边六期展望值的95%置

11、信区间。_分析：此表为展望过程中相关参数及拟合成效，可以看到RSQUARE=0.9574111，拟合成效很好。_分析：上图为展望成效图，此中绿色的线段表示展望值，红色的代表展望的5期值的95%置信区间，黑色的为原序列，可以看出其展望成效很好。二、课后习题7.某地区1962-1970年均匀每头奶牛的月度产奶量数据(单位：磅)详尽数据详见书P1235895616406567276976405995685775535826005666536737427166606175835875655986286186887057707366786396046115946346586227097227827567

12、02653615521602635677635736755811798735697661667645688713667762784837817767722681687660698717696775796858826783740701706677711734690785805871845801764725723690734750707807824886859819783740747711751（1）绘制该序列的时序图，直观观察该序列的特色。程序：datalianxi1;inputx;t=intnx(month,1jan1962d,_n_-1);formattdate.;cards;5895616

13、40656727697640599568577553582600566653673742716660617583587565598_628618688705770736678639604611594634658622709722782756702653615521602635677635736755811798735697661667645688713667762784837817767722681687660698717696775796858826783740701706677711734690785805871845801764725723690734750707807824886859

14、819783740747711751;procgplotdata=lianxi1;plotx*t;symbolc=redv=stari=join;run;分析：由上图的时序图可以很明显的看出该序列拥有长远的增加趋向，且拥有明显的季节效应。_2）使用要素分解方法，拟合该序列的发展，并展望下一年该地区奶牛的月度产奶量。程序：procforecastdata=lianxi1method=stepartrend=2lead=12out=outoutfulloutest=est;idt;varx;run;dataout;setout;t=intnx(month,1jan1962d,_n_-1);proc

15、gplotdata=out;plotx*t=_type_;symbol1i=joinv=starc=black;symbol2i=joinv=nonec=green;symbol3i=joinv=nonec=red;symbol4i=joinv=nonec=red;run;_分析：上图绿色的为拟合趋向图，后边的12个月就为所展望的1年的奶牛产奶量，上下两条红色的线为95%执行区间，黑色的为原序列时序图，故可以看出该拟合趋向和原序列基本重合，故后边的展望结果也比较可信。3）使用X-11方法，确立该序列的趋向。程序：procx11data=lianxi1;monthlydate=t;varx;ou

16、tputout=outb1=xd10=seasond11=adjustedd12=trendd13=irr;dataout;setout;estimate=trend*season/100;procgplotdata=out;_plotx*t=1estimate*t=2/overlay;plotadjusted*t=1trend*t=1irr*t=1;symbol1c=redi=joinv=star;symbol2c=blacki=joinv=star;run;分析：上图中，红色的代表原序列，黑色的代表拟合的序列，可以看出除了在66年1月份左右有一点差别外，其他的基本上都与原序列重合，故该拟合

17、成效很好。8.某城市1980年1月至1995年8月每个月屠宰生猪数目（单位：头）（数据详见书P123）选择合适地模型拟合该序列的发展，并展望1995年9月至1997年9月该城市生猪屠宰数量。datalianxi2;inputx;t=intnx(month,1jan1980d,_n_-1);formattdate.;_cards;763787194733873964281050849574111064710033194133103055905951014577688981291916439622810273610026410349197027952409168010125910956476892

18、857739521093771982029792210030694089102680779199356111703281225883571061759192210411410995997880105386964799758010949011019190974989811071889417711509711369611453212011093607110925103312120184103069103351111331106161111590994471019878533386970100561895468926582719794987484673819770297844686978758786

19、957175722641827735763292593807833272381559716975085472701337912585805817788685269069795568817466698722587344576131860827544373969781397864666269737768003470694818237564075540822297534577034785897976975982780747758884100979668905193503847477453191900816358979781022782657727185043954187956810328395770912971012441145251011399386695171100183103926102643108387970779090190336887328375999267732927894394399929379013091055106062103560104075101783937911023138241383534109011964991024301030029181599067110067101599976461049308890589936