H a r b i n I n s t i t u t e o f T e c h n o l o g y
实验报告
课程名称：时间序列分析
设计题目：非平稳时间序列建模
院系：电信学院
班级：
设计者：
学号：
指导教师：冀振元
设计时间： 2010-05-07
一、绪论
稳序列的直观含义就是序列中不存在任何趋势性和周期性,其统计意义就是一阶矩为常数，二阶矩存在且为时间间隔t 的函数。但是在实际问题中，我们常遇到的序列，特别是反映社会、经济现象的序列，大多数并不平稳，而是呈现出明显的趋势性或周期性。这时，我们就不能认为它是均值不变的平稳过程，需要用如下更一般的模型——t t t X Y μ=+来描述。其中,t μ表示t X 中随时间变化的均值,它往往可以用多项式、指数函数、正弦函数等描述，而t Y 是t X 中剔除趋势性或周期性t μ后余下的部分，往往可以认为是零均值的平稳过程，因而可以用ARMA 模型来描述。具体的处理方法可分为两大类：一类是通过某些数学方法剔除掉t X 中所包含的趋势性或周期性（即t μ），余下的t Y 可按平稳过程进行分析与建模，最后再经反运算由t Y 的结果得出t X 的有关结果。另一类方法是具体求出t μ的拟
合形式，求出t μ
?，然后对残差序列{t t X μ?-}进行分析，该残差序列可以认为是平稳的。利用前述方法可以求出t
Y ?，最后综合可得t t t Y X μ???+=。如果我们对t μ的形式并不敢兴趣，则可以采取第一类方法，否则可以用第二类方法。需要再强调的一点是，时间序列非平稳性的表现是多种多样的，这里我们所能分析处理的仅是一些较为特殊的非平稳性。
二、建模原理
2.1平稳化方法
2.1.1差分
一般而言，若某序列具有线性的趋势，则可以通过对其进行一次差分而将线性趋势剔除掉，然后对差分后的序列拟合ARMA 模型进行分析与预测，最后再通过差分的反运算得到t X 的有关结果。做一次差分可记为t X ?，则
1--=?t t t X X X
(1) 如果对一阶差分结果再进行差分，则称为高阶差分，差分的次数称为差分的阶，d 阶差分记为t d X ?。
2.2.2 季节差分
反映经济现象的序列，不少都具有周期性，例如，刚收获的小麦，由于供应充足，价格一般是较低的，然后随着供应量的减少，价格会逐渐上涨，直至下一个收获季节又重新开始这一周期。设t X 为一含有周期S 的周期性波动序列，则,2_,,s t s t t X X X ++…为各相应周期点的数值，它们则表现出非常相近或呈现某一趋
势的特征，如果把每一观察值同下一周期相应时刻的观察值相减，这就叫季节差分，它可以消除周期性的影响。季节差分常用s ?表示,s t t t s X X X --=?其中S 为周期。
2.2.3对数变换与差分运算的结合运用
如果序列t X 含有指数趋势，则可以通过取对数将指数趋势转化为线性趋势，然后再进行差分以消除线性趋势。
2.2齐次非平稳
在除去局部水平或趋势以外，某些非平稳时间序列显示出一定的同质性，即序列的某一部分与任何其他部分极其相似。这样的序列往往经过若干次差分后可转化为平稳序列，这种非平稳性称为齐次非平稳性，差分的次数称为齐次性的阶。实际中较为常见的是一阶和二阶的齐次非平稳性，表现为两种情形：第一种是序列呈现出水平非平稳性，除了局部水平不同，序列是同质的，也就是说序列的一部分和其他部分非常相似，只是在垂直方向上位置不同。这样的序列经过一次差分后可转化为平稳序列。第二种是序列呈现出水平和斜率的非平稳性，序列既没有固定的水平，也没有固定斜率，除此之外，序列是同质的，这样的序列经过两次差分后可转化为平稳序列。
2.3 ARIMA 模型
对于d 阶齐次非平稳序列t X 而言，t d X ?是一个平稳序列，设其适合ARMRA （p,q ）模型，即
t t d a B X B )())((Θ=?φ （2） 也可写作：
t t d a B X B B )()1)((Θ=-φ （3） 其中：
p p B B B B ???φ----=....1)(221 （4） q q B B B B θθθ----=Θ...1)(221 （5）
称此模型为求和自回归滑动平均模型（Integreated Autoregressive Moving Average Model ），简记为ARIMA （p,d,q ），其中p,d,q 分别表示自回归阶数、差分阶数和移动平均阶数。之所以称之为求和自回归滑动平均模型,是因为差分的反运算即位求和运算。
常见的ARIMA 模型有以下几种： 1.ARIMA （0,1,1）
t t a B X B )1()1(1θ-=- （6） 也可写作：
111---=-t t t t a a X X θ （7）
这就是说，t X 是1阶齐次非平稳序列，一次差分后适合MA （1）模型，值得
注意的是，不能认为t X 是平稳ARMA （1,1）序列，因为其特征根r=1，不在单位圆内。
2.ARIMA （0,2,2）
t t a B B X B )1()1(2212θθ--=- （8） 即序列t X 两次差分后适合MA(2)模型。
3.ARIMA （1,1,1）
t t a B X B B )1(])1)[(1(11θ?-=-- （9） 即t X 经一次差分适合ARMA （1,1）模型。
三、仿真试验
如图3-1所示,为某市1985年-1993年各月工业生产总值(数据见附录1)。可以看出X t 具有明显的周期性，做一次差分Y t =X t -X t-12，剔除掉周期性。这样就可以按照平稳序列线性模型的知识来进行模式识别，参数估计等。
1.求出差分后的数据的均值，并使序列零均值化，也就是将Y t -μ,11N
j j N Y μ==∑得到的序列为零均值的平稳随机序列t W ,如图3-2所示。
2.求W t 的样本自相关函数k ρ?和样本偏相关函数kk
φ?，本例中选取的k=0，1，2，…，24,以保证k 相对于n 不能取太大。
1122...?;k 0,1,2,,24k k n k n k WW W W W W r n ++-+++==? （10）
0???/;k 0,1,2,,24k k r r ρ==? （11） ??????
? ????
????
??
??=?
???
??? ??---k k k kk k k ρρ
ρ
ρρρ
ρρρρ
ρρρ
ρ
φφφ???1???????1????1???211
121
1221112121
（12）
图3-1:某市1985年-1993年各月工业生产总值X t
图3-2:零均值化后的平稳序列W t
3.根据样本自相关函数k ρ?和样本偏相关函数kk
φ?确定模型类别和定阶。如图3-3和图3-4可以看出，当k>2时，有kk
φ?<204.096/2≈,并且k ρ?呈现拖尾现象，故可判定此模型为AR （2）模型。
图3-3:样本自相关函数k ρ
?
图3-4:样本偏相关函数kk
φ? 4.参数估计。)?1/()?1(??21211ρρρ?
--=，)?1/(???212122ρρρ?--=， )????1(??221102ρ?ρ?γσ
--=a ，带入数据可得，3720.0?1=?，1314.0?2=?，
0086.1?2=a σ
。 这样就得到了W t 的随机线性模型。t t t t a W W W =----211314.03720.0。在进行
预报时，可以先对t W 进行预报，然后加上均值得到μ+=t
t W Y ??的预报值,然后在反差分得到原始序列的预报值12
??-+=t t t X Y X 。
附录1
ρ?的值
2、样本自相关函数
k
φ?的值
3、样本偏相关函数
kk
附录2
Matlab源代码
X=[10.93,9.34,11.00,10.98,11.29,11.84,
10.62,10.90,12.77,12.15,12.24,12.30,
9.91,10.24,10.41,10.47,11.51,12.45,
11.32,11.73,12.61,13.04,13.14,14.15,
10.85,10.30,12.74,12.73,13.08,14.27,
13.18,13.75,14.42,13.95,14.53,14.91,
12.94,11.43,14.36,14.57,14.25,15.86,
15.18,15.94,16.54,16.90,16.88,18.10,
13.70,10.88,15.79,16.36,17.22,17.75,
16.62,16.96,17.69,16.40,17.51,19.73,
13.73,12.85,15.68,16.79,17.59,18.51,
16.80,17.27,20.83,19.18,21.40,23.76,
15.73,13.14,17.24,17.93,18.82,19.12,
17.70,19.87,21.17,21.44,22.14,22.45,
17.88,16.00,20.29,21.03,21.78,22.51,
21.55,22.01,22.68,23.02,24.55,24.67,
19.61,17.15,22.46,23.19,23.40,26.26,
22.91,24.03,23.94,24.12,25.87,28.25]; %输入原始数据M=linspace(1985,1994,108);
X2=zeros(1,108);
for i=1:18
X2((1+6*(i-1)):6*i)=X(i,:);
end
plot(M,X2) %X2为原始序列
M2=linspace(1986,1994,96);
Y=zeros(1,96);
for i=1:96
end
figure
plot(M2,Y) %Y为季节差分后的序列save X2
save Y
load Y
s=sum(Y);
m=s/length(Y); %求序列均值
Y2=zeros(1,length(Y));
for i=1:length(Y)
Y2(i)=Y(i)-m;
end
plot(M2,Y2); %Y2为零均值化后的序列
K=24; %取K=24
r0=(1/length(Y2))*sum(Y2.^2); %求r0 r=zeros(1,24); %求rk
k=1:24;
su=0;
for i=1:24
for j=1:length(Y2)-i
su=su+Y2(j)*Y2(j+i);
end
r(i)=(1/length(Y2))*su;
su=0;
end
p=r/r0; % p为自相关函数
%求偏相关函数
fai=zeros(1,24);
fai(1)=p(1);
for i=2:24;
p2=zeros(1,i);
p2(1)=1;
t=toeplitz(p2);
t2=inv(t);
an=t2*p(1:i)';
fai(i)=an(i);
end
fai2=zeros(1,25);
fai2(1)=1;
fai2(2:25)=fai; %fai2为加上fai00后的偏相关函数p3=zeros(1,25);
p3(1)=1;
p3(2:25)=p; %p3为加上p0后的自相关函数
n=[0:24];
figure
plot(n,p3);
grid
figure
plot(n,fai2);
grid
%模型参数估计
rou=zeros(1,2); %取φ2j=φj，j=0，1
rou(1)=p(1);
rou(2)=p(2);
p4=zeros(1,2);
p4(1)=1;
p4(2)=p(1);
T=toeplitz(p4);
F=inv(T)*rou'; %F为φ1和φ2组成的向量
tao=r0*(1-F(1)*p(1)-F(2)*p(2)); %tao为噪声方差save F
应用时间序列分析实验报告
单位根检验输出结果如下：序列x的单位根检验结果：
1967 58.8 53.4 1968 57.6 50.9 1969 59.8 47.2 1970 56.8 56.1 1971 68.5 52.4 1972 82.9 64.0 1973 116.9 103.6 1974 139.4 152.8 1975 143.0 147.4 1976 134.8 129.3 1977 139.7 132.8 1978 167.6 187.4 1979 211.7 242.9 1980 271.2 298.8 1981 367.6 367.7 1982 413.8 357.5 1983 438.3 421.8 1984 580.5 620.5 1985 808.9 1257.8 1986 1082.1 1498.3 1987 1470.0 1614.2 1988 1766.7 2055.1 1989 1956.0 2199.9 1990 2985.8 2574.3 1991 3827.1 3398.7 1992 4676.3 4443.3 1993 5284.8 5986.2 1994 10421.8 9960.1 1995 12451.8 11048.1 1996 12576.4 11557.4 1997 15160.7 11806.5 1998 15223.6 11626.1 1999 16159.8 13736.5 2000 20634.4 18638.8 2001 22024.4 20159.2 2002 26947.9 24430.3 2003 36287.9 34195.6 2004 49103.3 46435.8 2005 62648.1 54273.7 2006 77594.6 63376.9 2007 93455.6 73284.6 2008 100394.9 79526.5 run; proc gplot; plot x*t=1 y*t=2/overlay; symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run; proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run; proc arima; identify var=y crrosscorr=x; estimate methed=ml input=x plot; forecast lead=0id=t out=out; proc aima data=out; identify varresidual stationarity=(adf=2); run;
第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图
2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 ，序列 LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下
（2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221Λ+++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .02110211212112011φρφρφρφρρφφρφρφρ 解得：???==15/115 /72 1φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0 2212122 ) 1)(1)(1(1)(σφφφφφφ-+--+-= t x Var 2) 15.08.01)(15.08.01)(15.01() 15.01(σ+++--+= =1.98232σ ?????=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ?? ? ??=-====015.06957.033222111φφφρφ
时间序列分析 实验指导 4 2 -2 -4 50100150200250 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心2007年2月
目录实验一EVIEWS中时间序列相关函数操作- 1 - 实验二确定性时间序列建模方法- 8 - 实验三时间序列随机性和平稳性检验- 18 - 实验四时间序列季节性、可逆性检验- 20 - 实验五ARMA模型的建立、识别、检验- 26 - 实验六 ARMA模型的诊断性检验- 29 - 实验七 ARMA模型的预测- 30 - 实验八复习ARMA建模过程- 32 - 实验九时间序列非平稳性检验- 34 -
实验一EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 ⒉命令方式 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型起始期终止期 则菜单方式过程可写为：CREATE A 1985 1998 ㈡输入Y、X的数据 ⒈DATA命令方式 在EViews软件的命令窗口键入DATA命令，命令格式为： DATA <序列名1> <序列名2>…<序列名n>
《时间序列分析》课程实验报告
一、上机练习（P124） 1.拟合线性趋势 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 程序： data xiti1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc gplot data=xiti1; 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; symbol2c=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：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=9.7086,b=1.9829，它们的检验P值均小于0.0001，即小于显著性水平0.05，拒绝原假设，故其参数均显著。从而所拟合模型为：x t=9.7086+1.9829t.
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 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 程序： data xiti2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a=0.1 b=1.1; der.a=b**t; der.b=a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay;
应用时间序列分析试卷 一 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】
应用时间序列分析（试卷一） 一、 填空题 1、拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。 2、白噪声序列具有性质纯随机性和方差齐性。 3、平稳AR （p ）模型的自相关系数有两个显着的性质：一是拖尾性；二是呈负指数衰减。 4、MA(q)模型的可逆条件是：MA(q)模型的特征根都在单位圆内，等价条件是移动平滑系数多项式的根都在单位圆外。 5、AR （1）模型的平稳域是{}11<<-φφ。AR （2）模型的平稳域是 {}11,12221<±<φφφφφ且， 二、单项选择题 1、频域分析方法与时域分析方法相比（D ） A 前者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 B 后者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 C 前者理论基础扎实，操作步骤规范，分析结果易于解释。 D 后者理论基础扎实，操作步骤规范，分析结果易于解释。 2、下列对于严平稳与宽平稳描述正确的是（D ） A 宽平稳一定不是严平稳。 B 严平稳一定是宽平稳。 C 严平稳与宽平稳可能等价。 D 对于正态随机序列，严平稳一定是宽平稳。 3、纯随机序列的说法，错误的是（B ）
A时间序列经过预处理被识别为纯随机序列。 B纯随机序列的均值为零，方差为定值。 C在统计量的Q检验中，只要Q 时，认为该序列为纯随机序列，其 中m为延迟期数。 D不同的时间序列平稳性检验，其延迟期数要求也不同。 4、关于自相关系数的性质，下列不正确的是（D） A. 规范性； B. 对称性； C. 非负定性； D. 唯一性。 5、对矩估计的评价，不正确的是（A） A. 估计精度好； B. 估计思想简单直观； C. 不需要假设总体分布； D. 计算量小（低阶模型场合）。 6、关于ARMA模型，错误的是（C） A ARMA模型的自相关系数偏相关系数都具有截尾性。 B ARMA模型是一个可逆的模型 C 一个自相关系数对应一个唯一可逆的MA模型。 D AR模型和MA模型都需要进行平稳性检验。 7、MA（q）模型序列的预测方差为下列哪项（B） A、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?< ? =? > ?? 22 1-1 22 1q （1++...+） （1++...+） B、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q （1++?+） （1++?+） C、 []2 q 2 , Va() , t l l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1 （1++?+） （1++?+） D、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q-1 （1++?+） （1++?+）
实验一时间序列数据平稳性检验实验指导 一、实验目的： 理解经济时间序列存在的不平稳性，掌握对时间序列平稳性检验的步骤和各种方法，认识利用不平稳的序列进行建模所造成的影响。 二、基本概念： 如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两个时期间的间隔，而不依赖于计算这个协方差的实际时间，就称它是宽平稳的。 时序图 ADF检验 PP检验 三、实验内容及要求： 1、实验内容： 用Eviews5.1来分析1964年到1999年中国纱产量的时间序列，主要内容： （1）、通过时序图看时间序列的平稳性，这个方法很直观，但比较粗糙； （2）、通过计算序列的自相关和偏自相关系数，根据平稳时间序列的性质观察其平稳性；（3）、进行纯随机性检验； （4）、平稳性的ADF检验； （5）、平稳性的pp检验。 2、实验要求： （1）理解不平稳的含义和影响； （2）熟悉对序列平稳化处理的各种方法； （2）对相应过程会熟练软件操作，对软件分析结果进行分析。 四、实验指导 （1）、绘制时间序列图 时序图可以大致看出序列的平稳性，平稳序列的时序图应该显示出序列始终围绕一个常数值波动，且波动的范围不大。如果观察序列的时序图显示出该序列有明显的趋势或周期，那它通常不是平稳序列，现以1964-1999年中国纱年产量序列（单位：万吨）来说明。 在EVIEWS中建立工作文件，在“Workfile structure type”栏中选择“Dated-regular frequency”，在右边的“Date specification”中输入起始年1964，终止年1999，点击ok则建立了工作文件。找到中国纱年产量序列的excel文件并导入命名该序列为sha，见图1-2。 图1-1 建立工作文件
时间序列分析实验报告 P185#1、某股票连续若干天的收盘价如表5-4 （行数据）所示。 表5-4 304 303 307 299 296 293301 293 301 295 284286 286 287 284 282278 281 278 277279 278 270 268 272 273 279 279280 275 271 277 278279 283 284 282 283279 280 280 279278 283 278 270 275 273 273 272275 273 273 272 273272 273 271 272 271273 277 274 274272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解： （1）通过SA漱件画出上述序列的时序图如下： 程序： data example5_1; in put x@@; time=_ n_; cards ; 304 303 307 299296 293 301 293 301 295 284286286 287 284 282 278 281 278277 279 278 270 268 272 273279279 280 275 271 277 278 279283 284 282 283 279 280 280279278 283 278 270 275 273 273272 275 273 273 272 273 272273271 272 271 273 277 274 274272 280 282 292 295 295 294290291 288 288 290 293 288 289291 293 293 290 288 287 289292288 288 285 282 286 286 287284 283 286 282 287 286 287292292 294 291 288 289 proc gplot data =example5_1; plot x*time= 1; symbol1 c=black v=star i =join; run ; 上述程序所得时序图如下： 上述时序图显示，该序列具有长期趋势又含有一定的周期性，为典型的非平稳序列。又因为该序列呈现曲线形式，所以选择2阶差分。
应用时间序列分析 实验手册
目录 目录 (2) 第二章时间序列的预处理 (3) 一、平稳性检验 (3) 二、纯随机性检验 (9) 第三章平稳时间序列建模实验教程 (10) 一、模型识别 (10) 二、模型参数估计（如何判断拟合的模型以及结果写法） (14) 三、模型的显著性检验 (17) 四、模型优化 (18) 第四章非平稳时间序列的确定性分析 (19) 一、趋势分析 (19) 二、季节效应分析 (34) 三、综合分析 (38) 第五章非平稳序列的随机分析 (44) 一、差分法提取确定性信息 (44) 二、ARIMA模型 (57) 三、季节模型 (62)
第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据
文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据
2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图
100 200300400 5006001960 1970198019902000 YEAR O U T P U T 图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上； 在Quick 菜单下选择自相关图，对Qiwen 原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析
《统计软件实验报告》SPSS软件的上机实践应用 时间序列分析
数学与统计学学院 一、实验内容： 时间序列是指一个依时间顺序做成的观察资料的集合。时间序列分析过程中最常用的方法是：指数平滑、自回归、综合移动平均及季节分解。 本次实验研究就业理论中的就业人口总量问题。但人口经济的理论和实践表明，就业总量往往受到许多因素的制约，这些因素之间有着错综复杂的联系，因此，运用结构性的因果模型分析和预测就业总量往往是比较困难的。时间序列分析中的自回归求积分移动平均法（ARIMA）则是一个较好的选择。对于时间序列的短期预测来说，随机时序ARIMA是一种精度较高的模型。 我们已辽宁省历年（1969-2005）从业人员人数为数据基础建立一个就业总量的预测时间序列模型,通过spss建立模型并用此模型来预测就业总量的未来发展趋势。 二、实验目的： 1.准确理解时间序列分析的方法原理 2.学会实用SPSS建立时间序列变量 3.学会使用SPSS绘制时间序列图以反应时间序列的直观特征。
4.掌握时间序列模型的平稳化方法。 5.掌握时间序列模型的定阶方法。 6.学会使用SPSS建立时间序列模型与短期预测。 7.培养运用时间序列分析方法解决身边实际问题的能力。 三、实验分析： 总体分析： 先对数据进行必要的预处理和观察，直到它变成稳态后再用SPSS对数据进行分析。 数据的预处理阶段，将它分为三个步骤：首先，对有缺失值的数据进行修补，其次将数据资料定义为相应的时间序列，最后对时间序列数据的平稳性进行计算观察。 数据分析和建模阶段：根据时间序列的特征和分析的要求，选择恰当的模型进行数据建模和分析。 四、实验步骤： SPSS的数据准备包括数据文件的建立、时间定义和数据期间的指定。 SPSS的时间定义功能用来将数据编辑窗口中的一个或多个变量指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤是： 1.选择菜单：Date→Define Dates，出现窗口：
应用时间序列分析实 验手册
目录
第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 例 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据 文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据 2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图 图3：年份和产出的散点图
（二）自相关图检验 例 导入数据，方式同上； 在Quick菜单下选择自相关图，对Qiwen原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析 图2：输入序列名称 图2：选择相关分析的对象 图3：序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k 期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显着性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.)有的题目平稳性描述可以模仿书本33页最后一段. （三）平稳性检验还可以用： 单位根检验：ADF,PP检验等； 非参数检验：游程检验 图1：序列的单位根检验
（时间管理）ARMA 模型的的建立时间序列分析实验指导
时间序列分析实验指导统计和应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想和教学理念的不断更新，于教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计和应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论和实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学和应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型且能正确求解的能力。 这套实验教学指导书于编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计和应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对课件存于的错误和不当之处予以批评指正。
统计和数学模型分析实验中心2007年2月
目录 实验壹EVIEWS中时间序列关联函数操作-1- 实验二确定性时间序列建模方法-9- 实验三时间序列随机性和平稳性检验-18- 实验四时间序列季节性、可逆性检验-21- 实验五ARMA模型的建立、识别、检验-27- 实验六ARMA模型的诊断性检验-30- 实验七ARMA模型的预测-31- 实验八复习ARMA建模过程-33- 实验九时间序列非平稳性检验-35-
实验壹EVIEWS中时间序列关联函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习且掌握和时间序列分析关联的函数操作。 【实验内容】 壹、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自关联和偏自关联图和函数； 【实验步骤】 壹、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 于主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出壹个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Startdate）和终止期栏（Enddate），输入相应的日期，然后点击OK按钮，将于EViews软件的主显示窗口
统计学之时间序列分析(doc 43页)
时间序列分析实验指导
4 2 -2 -4 50100150200250 NRND 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心 2007年2月
目录
实验一 EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 ⒉命令方式 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型起始期终止期 则菜单方式过程可写为：CREATE A 1985 1998 ㈡输入Y、X的数据 ⒈DATA命令方式
河南工程学院课程设计 《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计指导教师： 2017年 6 月 2 日
目录 1. 实验一澳大利亚常住人口变动分析..... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 2. 实验二我国铁路货运量分析........... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 3. 实验三美国月度事故死亡数据分析...... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。课程设计体会 ............................ 错误!未定义书签。
第三章平稳时间序列分析 选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1： 表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列 一、时间序列预处理 （一）时间序列平稳性检验 1.时序图检验 （1）工作文件的创建。打开EViews6.0软件，在主菜单中选择File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表示起始年
份为1950年），在End date中输入“2008”（表示样本数据的结束年份为2008年），然后单击“OK”，完成工作文件的创建。 （2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表示年份），X（表示新增里程数）。 （3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“XYLine”,然后按“确定”，出现时序图，如图1所示： 图1 我国邮路及农村投递线路每年新增里程数序列时序图从图1中可以看出，该序列始终在一个常数值附近随机波动，而且波动的围有界，因而可以初步认定序列是平稳的。为了进一步确认序列的平稳性，还需要分析其自相关图。 2.自相关图检验 选择菜单中的Quick/Series Statistics/Correlogram...,在Series Name 中输入x（表示作x序列的自相关图），点击OK，在Correlogram Specification 中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2：
时间序列分析SAS软件实验报告： 以我国2002第一季度到2012年第一季度国内生产总值数据（季节效应模型）分析 班级：统计系统计0姓名： 学号： 指导老师： 20 年月日
时间序列分析报告 一、前言 【摘要】2012年3月5日温家宝代表国务院向大会作政府工作报告。温家宝在报告中提出，2012年国内生产总值增长7.5%。这是我国国内生产总值（GDP）预期增长目标八年来首次低于8%。 温家宝说，今年经济社会发展的主要预期目标是：国内生产总值增长7.5%；城镇新增就业900万人以上，城镇登记失业率控制在4.6%以内；居民消费价格涨幅控制在4%左右；进出口总额增长10%左右，国际收支状况继续改善。同时，要在产业结构调整、自主创新、节能减排等方面取得新进展，城乡居民收入实际增长和经济增长保持同步。 他指出，这里要着重说明，国内生产总值增长目标略微调低，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。提出居民消费价格涨幅控制在4%左右，综合考虑了输入性通胀因素、要素成本上升影响以及居民承受能力，也为价格改革预留一定空间。 对于这一预期目标的调整，温家宝解释说，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。 央行货币政策委员会委员李稻葵表示，未来若干年中国经济增长速度会有所放缓，这个放缓是必要的，是经济发展方式转变的一个必然要求。 【关键词】“十二五”规划目标国内生产总值增长率增速放缓提高发展质量附表：国内生产总值(2012年1季度) 绝对额（亿元）比去年同期增长（%） 国内生产总值107995.0 8.1 第一产业6922.0 3.8 第二产业51450.5 9.1 第三产业49622.5 7.5 注1：绝对额按现价计算，增长速度按不变价计算。注2：该表为初步核算数据。 GDP环比增长速度 环比增长速度（%） 2011年1季度 2.2 2季度 2.3 3季度 2.4 4季度 1.9 2012年1季度 1.8 注：环比增长速度为经季节调整与上一季度对比的增长速度。 此表是我国2012年第一季度国内生产总值及与2011年同期比较来源：前瞻网
时间序列分析实验指导
4 2 -2 -4 50100150200250 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心 2007年2月
目录
实验一EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
河南工程学院课程设计《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计 指导教师： 2017年6月2日
目录 1. 实验一澳大利亚常住人口变动分析 (1) 1.1 实验目的 (1) 1.2 实验原理 (1) 1.3 实验内容 (2) 1.4 实验过程 (3) 2. 实验二我国铁路货运量分析 (8) 2.1 实验目的 (8) 2.2 实验原理 (8) 2.3 实验内容 (9) 2.4 实验过程 (10) 3. 实验三美国月度事故死亡数据分析 (14) 3.1 实验目的 (14) 3.2 实验原理 (15) 3.3 实验内容 (15) 3.4 实验过程 (16) 课程设计体会 (19)
1.实验一澳大利亚常住人口变动分析 1971年9月—1993年6月澳大利亚常住人口变动（单位：千人）情况如表1-1所示（行数据）。 表1-1 （1）判断该序列的平稳性与纯随机性。 （2）选择适当模型拟合该序列的发展。 （3）绘制该序列拟合及未来5年预测序列图。 1.1 实验目的 掌握用SAS软件对数据进行相关性分析，判断序列的平稳性与纯随机性,选择模型拟合序列发展。 1.2 实验原理 （1）平稳性检验与纯随机性检验 对序列的平稳性检验有两种方法，一种是根据时序图和自相关图显示的特征做出判断的图检验法；另一种是单位根检验法。
（2）模型识别 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 （3）模型预测 模型拟合好之后，利用该模型对序列进行短期预测。 1.3 实验内容 （1）判断该序列的平稳性与纯随机性 时序图检验，根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常识值附近波动，而且波动的范围有界。如果序列的时序图显示该序列有明显的趋势性或周期性，那么它通常不是平稳序列。 对自相关图进行检验时，可以用SAS 系统ARIMA 过程中的IDENTIFY 语句来做自相关图。 而单位根检验我们用到的是DF 检验。以1阶自回归序列为例： 11t t t x x φε-=+ 该序列的特征方程为： 0λφ-= 特征根为： λφ= 当特征根在单位圆内时： 11φ< 该序列平稳。 当特征根在单位圆上或单位圆外时： 11φ≥ 该序列非平稳。 对于纯随机性检验，既白噪声检验，可以用SAS 系统中的IDENTIFY 语句来输出白噪声检验的结果。 （2）选择适当模型拟合该序列的发展
实验6 时间序列分析的spss应用 6.1 实验目的 学会运用SPSS统计软件创建时间数列，熟练掌握长期趋势线性模型拟合和季节变动测定的SPSS方法与技能。 6.2 相关知识（略） 6.3 实验内容 6.3.1 用SPSS统计软件创建时间序列的创建 6.3.2用SPSS统计软件处理长期趋势线性模型的拟合（最小二乘法、指数平滑法）及预测。 6.3.3掌握测定季节变动规律的SPSS测定方法。 6.4实验要求 6.4.1准备实验数据 6.4.2用SPSS统计软件创建彩电出口数量的时间序列 6.4.3用最小二乘法测定长期趋势，拟合线性趋势方程，并进行趋势预测。 6.4.4测定彩电出口数量的季节变动规律。 6.4.5用指数平滑法预测2014和2015年的彩电出口数量。 6.5 实验步骤 6.5.1 实验数据 为了研究某国彩电出口的情况，某研究机构收集了从2003-2013年某国彩电出口的月度数据，如表6-1所示。 表6-1 我国2003-2013年的我国彩电出口的月度数据（单位：万台）1月2月3月4月5月6月7月8月9月10月11月12月2003年12.53 13.73 24.45 28.75 32.45 31.11 25.94 32.98 43.49 42.94 63.29 77.28 2004年30.01 39.63 29.77 42.74 32.25 31.94 32.27 32.59 32.92 30.98 47.44 52.82 2005年24.08 16.42 31.24 29.33 31.88 30.09 28.08 32.99 44.99 47.57 50.36 75.19 2006年39.02 25.81 43.38 37.34 39.22 39.87 51.10 50.99 55.16 62.78 57.75 72.20 2007年28.76 39.38 46.10 39.41 38.74 40.18 45.59 43.31 46.68 54.17 53.65 61.12 2008年28.87 21.23 35.82 26.97 32.33 24.53 29.39 31.96 38.22 39.24 52.95 68.41