《时间序列第五章作业.doc》由会员分享，可在线阅读，更多相关《时间序列第五章作业.doc（13页珍藏版）》请在金锄头文库上搜索。
1、 第五章SAS作业 问题1：1867-1938年英国绵羊数量如下所示：2203 2360 2254 2165 2024 2078 2214 2292 2207 2119 2119 21372132 1955 1785 1747 1818 1909 1958 1892 1919 1853 1868 19912111 2119 1991 1859 1856 1924 1892 1916 1968 1928 1898 18501841 1824 1823 1843 1880 1968 2029 1996 1933 1805 1713 17261752 1795 1717 1648 1512 1338
2、 1383 1344 1384 1484 1597 16861707 1640 1611 1632 1775 1850 1809 1653 1648 1665 1627 17911、选择恰当模型，拟合该序列的发展；2、利用拟合模型预测1938-1945年英国绵羊的数量；3、按照书本相应例题的格式完成问题，并附上SAS程序。解：（1）时序图显示，序列具有长期趋势，对序列进行1阶差分Xt=Xt-Xt-1,观察差分后序列Xt的时序图。时序图显示长期趋势信息基本被差分运算提取充分，考察差分后序列的自相关图和偏自相关图。 自相关图显示延迟3阶后自相关系数基本在2倍标准差范围内，因此认为该序列为平稳序列。
3、自相关图表现出拖尾现象，偏自相关图表现出3阶结尾现象，且自相关图中2阶自相关系数在2倍标准差范围内，所以考虑构造疏系数模型AR（1，3）。 残差自相关检验结果显示延迟6期后P值都大于0.05，因此认为残差为白噪声序列，即拟合模型显著有效。参数估计结果显示两参数P值都小于0.05，都显著有效。则拟合的AR(1，3)模型为 Xt=0.32196Xt-1 0.37616Xt-3 + t（2）利用拟合模型对1938-1945年英国绵羊的数量进行预测结果如上图所示，预测图为(3)SAS程序为data a;input x;dif1=dif(x);t=1867+_n_-1;format time year4
4、.;cards;2203 2360 2254 2165 2024 2078 2214 2292 2207 2119 2119 21372132 1955 1785 1747 1818 1909 1958 1892 1919 1853 1868 19912111 2119 1991 1859 1856 1924 1892 1916 1968 1928 1898 18501841 1824 1823 1843 1880 1968 2029 1996 1933 1805 1713 17261752 1795 1717 1648 1512 1338 1383 1344 1384 1484 1597 1
5、6861707 1640 1611 1632 1775 1850 1809 1653 1648 1665 1627 1791;run;proc gplot data=a;plot x*t dif1*t;symbol c=black i=join v=dot;proc arima;identify var=x(1) ;estimate p=(1 3) noint;forecast lead=7 id=t out=out;proc gplot data=out;plot x*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay;symbol1 c=black i=non
6、e v=star; symbol2 c=red i=join v=none;symbol3 c=green i=join v=none;run;问题2，使用Auto-Regressive模型分析例5.9序列。（作业格式参照书“例5.6续”）解：该时序图显示序列有显著线性递增趋势，同时也有季节效应，所以考虑建立如下结构的残差自回归模型：一、因变量关于时间的回归模型结果显示DW统计量等于0.2622，输出概率显示残差序列显著正相关。所以考虑对残差序列拟合自相关模型。v逐步回归报告剔除了2阶和3阶自相关项。残差自回归模型为： Ut = 0.850806Ut-1 + 0.739062Ut-4 - 0.
7、728547Ut-5 +t最终拟合模型为： Xt=-1.0865+0.000959t+Ut Ut=0.9102Ut-1 + 0.8528Ut-4 0.8653Ut-5 +t，tN（0,0.11500）拟合图像为SAS程序为data a;input x;t=intnx(quarter,01jan1962d,_n_-1);format t year4.;cards;1.1 0.5 0.4 0.7 1.6 0.6 0.5 0.7 1.3 0.6 0.5 0.7 1.2 0.5 0.4 0.60.9 0.5 0.5 1.1 2.9 2.1 1.7 2.02.7 1.3 0.9 1.0 1.6 0.6
8、0.5 0.71.1 0.5 0.5 0.6 1.2 0.7 0.7 1.02.6 2.1 2.3 3.6 5.0 4.5 4.5 4.95.7 4.3 4.0 4.4 5.2 4.3 4.2 4.55.2 4.1 3.9 4.1 4.8 3.5 3.4 3.54.2 3.4 3.6 4.3 5.5 4.8 5.4 6.58.0 7.0 7.4 8.5 10.1 8.9 8.8 9.010.0 8.7 8.8 8.9 10.4 8.9 8.9 9.010.2 8.6 8.4 8.4 9.9 8.5 8.6 8.79.8 8.6 8.4 8.2 8.8 7.6 7.5 7.68.1 7.1 6.
9、9 6.6 6.8 6.0 6.2 6.2run;proc gplot data=a;plot x*t;symbol c=black i=join v=star;run;proc autoreg data=a;model x=t/nlag=5 backstep method=ml;output out=out p=xp pm=trend;proc gplot data=out;plot x*t=2 xp*t=3 trend*t=4/overlay;symbol2 c=black i=none v=star;symbol3 c=red i=join v=none;symbol4 c=green
10、i=join v=none;run;二、延迟因变量回归模型Durbin h统计量的分布函数达到0.0236小于0.05，表示残差序列存在显著相关性，需要考虑对残差序列继续拟合自回归模型。截距项不显著，因此去除截距项。, 逐步回归消除报告显示剔除了延迟2阶和3阶自相关项，则输出的自回归模型为 Ut = 0.261915Ut-1 + 0.863415Ut-4 0.314650Ut-5 + t最终拟合模型为： Xt=0.9450Xt-1+ Ut，Ut= 0.3538Ut-1 + 0.8927Ut-4 0.3796Ut-5 + t，tN（0，0.11249）拟合图像为SAS程序为：data a;inp
11、ut x;lagx=lag(x);t=intnx(quarter,01jan1962d,_n_-1);format t year4.;cards;1.1 0.5 0.4 0.7 1.6 0.6 0.5 0.7 1.3 0.6 0.5 0.7 1.2 0.5 0.4 0.60.9 0.5 0.5 1.1 2.9 2.1 1.7 2.02.7 1.3 0.9 1.0 1.6 0.6 0.5 0.71.1 0.5 0.5 0.6 1.2 0.7 0.7 1.02.6 2.1 2.3 3.6 5.0 4.5 4.5 4.95.7 4.3 4.0 4.4 5.2 4.3 4.2 4.55.2 4.1 3
12、.9 4.1 4.8 3.5 3.4 3.54.2 3.4 3.6 4.3 5.5 4.8 5.4 6.58.0 7.0 7.4 8.5 10.1 8.9 8.8 9.010.0 8.7 8.8 8.9 10.4 8.9 8.9 9.010.2 8.6 8.4 8.4 9.9 8.5 8.6 8.79.8 8.6 8.4 8.2 8.8 7.6 7.5 7.68.1 7.1 6.9 6.6 6.8 6.0 6.2 6.2run;proc gplot data=a;plot x*t;symbol c=black i=join v=star;run;proc autoreg data=a;model x=lagx/lagdep=lagx nlag=5 backstep noint;output out=out p=xp pm=trend;proc gplot data=out;plot x*t=2 xp*t=3 trend*t=4/overlay;symbol2 c=black i=none v=star;symbol3 c=red i=join v=none;symbol4 c=green i=join v=none;run;2
