时间序列分析实验报告

《时间序列分析实验报告》由会员分享，可在线阅读，更多相关《时间序列分析实验报告（9页珍藏版）》请在装配图网上搜索。

1、时间序列分析课程实验报告项目名称:非平稳序列确定性分析组员姓名：李菲指导教师:牛宪华完成日期：2013年4月20日、上机练习（P124）1. 拟合线性趋势程序：data xitil; input x; t=_n_; cards;proc gplot data=xitil;plot x*t;symbol c=red v=star i=join;run;proc autoreg data=xiti1;model x=t;output predicted=xhat out=out;run;proc gplot data=out;plot x*t=1 xhat*t=2/overlay;symbol2

2、c=green v=star i=join;run;运行结果：分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行 拟合：xt=a+bt+, t=l,2,3，12分析：上图为拟合模型的参数估计值，其中a=,b=，它们的检验P值均小于，即小于显著性水平， 拒绝原假设，故其参数均显著。从而所拟合模型为：xt=+.分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。2. 拟合非线性趋势程序：data xiti2; input x; t=_n_;cards;proc gplot data=xiti2;plot x*t;symbol c=red v=star

3、i=none;run;proc nlin method=gauss;model x=a*b*t;parameters a= b=;=b*t;=a* t*b*( tT);output predicted=xh out=out;run;proc gplot data=out;plot x*t=1 xh*t=2/overlay;symbol2 c=green v=none i=join;run;运行结果：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势慢慢递增的，故 我们可以选择指数型模型进行非线性拟合：xt=abt+It, t=l,2,3,，12分析：由上图可得该拟合模型为：

4、xt=*+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，故该拟合效果是很好的。3. X11过程40777 41778 43160 4589741947 44061 44378 4723743315 43396 44843 4683542833 43548 44637 4710742552 43526 45039 4794043740 45007 46667 4932544878 46234 47055 5031846354 47260 48883 5260548527 50237 51592 5515250451 52294 546

5、33 5880253990 55477 57850 61978程序：data xiti3;input x;t=intnx(quarter , ljanl978d,_n_-1);format t yyq4.;cards;40777 41778 43160 4589741947 44061 44378 4723743315 43396 44843 4683542833 43548 44637 4710742552 43526 45039 4794043740 45007 46667 4932544878 46234 47055 5031846354 47260 48883 5260548527 5

6、0237 51592 5515250451 52294 54633 5880253990 55477 57850 61978proc gplot data=xiti3;plot x*t;symbol c=red v=star i=join;run;proc x11 data=xiti3;quarterly date=t;var x;output out=out b1=x d10=season d11=adjusted d12=trend d13=irr;data out;set out;estimate=trend*season/100;proc gplot data=out;plot x*t

7、=1 estimate*t=2/overlay;plot adjusted*t=1 trend*t=1 irr*t=1;symbol1 c=red i= join v=star;symbol2 c=black i= none v=star;run;运行结果：分析：上图为该序列的时序图，可以很明显的看出其具有长期增长趋势，且具有季节波动，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：上图为趋势拟合值序列时序图。分析：上图为不规则波动值的时序图。 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，故该拟合效果很好。过

8、程程序：data xiti4; input x; t=1949+_n_T; cards;40777 41778 43160 4589741947 44061 44378 4723743315 43396 44843 4683542833 43548 44637 4710742552 43526 45039 4794043740 45007 46667 4932544878 46234 47055 5031846354 47260 48883 5260548527 50237 51592 5515250451 52294 54633 5880253990 55477 57850 61978 pr

9、oc gplot data=xiti4;plot x*t;symbol c=red v=star i=join;run;proc forecast data=xiti4 method=stepar trend=2 lead=5 out=out outfull outest=est; id t;var x;run;proc gplot data=out;plot x*t=_type_/href=2008;symbol1symbol2symbol3symbol4i=join v=star c=black; i=join v=none c=green; i=join v=none c=red; i=

10、join v=none c=red;run;分析：由该序列的时序图可知，其具有长期趋势,且含有季节效应，趋势特征基本为线性趋势，即 trend=2.分析：由上表可以很明显的看到每一年的与序列值、预测值，还有预测的后面六期预测值 的95%置信区间。分析：此表为预测过程中相关参数及拟合效果，可以看到RSQUARE=，拟合效果很好。分析：上图为预测效果图，其中绿色的线段表示预测值，红色的代表预测的5期值的95%置信区间，黑色的为原序列，可以看出其预测效果很好。二、课后习题7某地区1962-1970年平均每头奶牛的月度产奶量数据（单位：磅）具体数据详见书P12358956164065672769764

11、059956857755358260056665367374271666061758358756559862861868870577073667863960461159463465862270972278275670265361552160263567763573675581179873569766166764568871366776278483781776772268168766069871769677579685882678374070170667771173469078580587184580176472572369073475070780782488685981978374074771

12、1751(1) 绘制该序列的时序图，直观考察该序列的特点。程序：data lianxi1;input x;t=intnx(month , ljanl962d,_n_-1);format t date.;cards;5895616406567276976405995685775535826005666536737427166606175835875655986286186887057707366786396046115946346586227097227827567026536155216026356776357367558117987356976616676456887136677627848

13、37817767722681687660698717696775796858826783740701706677711734690785805871845801764725723690734750707807824886859819783740747711751proc gplot data=lianxi1; plot x*t;symbol c=red v=star i=join;分析：由上图的时序图可以很明显的看出该序列具有长期的增长趋势，且具有明显的季节 效应。(2) 使用因素分解方法，拟合该序列的发展，并预测下一年该地区奶牛的月度产奶量。程序：proc forecast data=lia

14、nxil method=stepar trend=2 lead=12 out=out outfull outest=est;id t;var x;run;data out;set out;t=intnx(month , 1jan1962d,_n_-1);proc gplot data=out;plot x*t=_type_;symboll i=join v=star c=black;symbol2 i=join v=none c=green;symbol3 i=join v=none c=red;symbol4 i=join v=none c=red;run;分析：上图绿色的为拟合趋势图，后面

15、的12个月就为所预测的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势和原序列基本 重合，故后面的预测结果也比较可信。(3) 使用X-11方法，确定该序列的趋势。程序：proc x11 data=lianxi1;monthly date=t;var x;output out=out b1=x d10=season d11=adjusted d12=trend d13=irr;data out;set out;estimate=trend*season/100;proc gplot data=out;plot x*t=1 estimate*t=2/

16、overlay;plot adjusted*t=1 trend*t=1 irr*t=1;symbol1 c=red i= join v=star;symbol2 c=black i=join v=star;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 左右有一点区别外，其余的基本上都与原序列重合，故该拟合效果很好。&某城市1980年1月至1995年8月每月屠宰生猪数量(单位：头)(数据详见书P123) 选择适当地模型拟合该序列的发展，并预测1995年9月至1997年9月该城市生猪屠宰数量 data lianxi2;input x;t=intnx(month

17、, ljanl980d,_n_-1);format t date.;cards;76378 71947 33873 96428 105084 95741 110647 100331 94133 10305590595 101457 76889 81291 91643 96228 102736 100264 103491 9702795240 91680 101259 109564 76892 85773 95210 93771 98202 97922100306 94089 102680 77919 93561 117032 81225 88357 106175 91922104114 109

18、959 97880 105386 96479 97580 109490 110191 90974 98981107188 94177 115097 113696 114532 120110 93607 110925 103312 120184103069 103351 111331 106161 111590 99447 101987 85333 86970 10056189546892658271979498748467381977029784468697875878695717572264182773576329259380783327238155971697508547270133791

19、25858058177886852690697955688174666987225873445761318608275443739697813978646662697377680034706948182375640755408222975345770347858979769759827807477588841009796689051935038474774531919008163589797810227826577271850439541879568103283 9577091297 101244 114525 101139 93866 95171 100183 103926 102643 1

20、0838797077 90901 90336 88732 83759 99267 73292 78943 94399 9293790130 91055 106062 103560 104075 101783 93791 102313 82413 83534109011 96499 102430 103002 91815 99067 110067 101599 97646 10493088905 89936 106723 84307 114896 106749 87892 1005067proc gplot data=lianxi2;plot x*t;symbol c=red v=star i=

21、join;run;proc forecast data=lianxi2 method=stepar trend=1 lead=24 out=out outfull outest=est; id t;var x;run;data out;set out;t=intnx(month , 1jan1980d,_n_-1);proc gplot data=out;plot x*t=_type_;symboll i=join v=star c=black; symbol2 i=join v=none c=green;symbol3 i=join v=none c=red;symbol4 i=join v

22、=none c=red;run;分析：上图为该时间序列的时序图，可以很明显的看出该序列无长期趋势，但在每一年当中 由季节性变化。分析：上图为预测的2 年趋势图，红色的为95%置信区间，其中由绿色线与黑色线的情况可 知该拟合效果还是比较可信的，基本的趋势大致是一样。三、实验体会针对不同的问题，首先要根据原序列的时序图分析后得到大致的拟合方案，然后才进 行拟合。只有自己动手做了之后，才会发现不同的方法拟合出来的效果是不一样的，有时 也需要我们对不同的方法进行拟合，最后选择自己认为最好的方法。同时在做的过程中也 会出现一些问题，这就需要我们找出问题在哪里，然后给与解决。总之，通过此次试验， 我还是学到了很多。