非平稳时间序列分析

  • 格式:docx
  • 大小:358.16 KB
  • 文档页数:15

下载文档原格式

  / 15
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

非平稳时间序列分析

1、首先画出时序图如下:

t

从时序图中看出有明显的递增趋势,而该序列是一直递增,不随季节波动,所以

认为该序列不存在季节特征。故对原序列做一阶差分,画出一阶差分后的时序图如下:

difx

140 130 120 110 100 90 80 70 60 50 40 30 20 10 0 -10

从中可以看到

一阶差分后序列仍然带有明显的增长趋势,再做二阶差分:

dif2x

90 80 70 60 50 40 30 20 10 0 -10 -20 -30 -40 -50 -60 -70 -80 -90 -100 -110

做完二阶差分可以看到,数据的趋势已经消除,接下来对二阶差分后的序列进行

1945

1950

1945 1955

1960

1965

1970

1975

1980

1985

1990

1995

2000

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000

检验:

Autocorrelations

Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error

0 577.333 1.00000 | |********************| 0

1 -209.345 -.36261 | *******| . | 0.071247

2 -52.915660 -.09166 | .**| . | 0.080069

3 9.139195 0.01583 | . | . | 0.080600

4 15.375892 0.02663 . |* . | 0.080615

5 -59.441547 -.1029

6 .**| . | 0.080660

6 -23.834489 -.04128 | . *| . | 0.081324

7 100.285 0.17370 | . |*** | 0.081431

8 -146.329 -.25346 | *****| . | 0.083290

9 52.228658 0.09047 | . |**. | 0.087118

10 21.008575 0.03639 | . |* . | 0.087593

11 134.018 0.23213 | . |***** | 0.087670

12 -181.531 -.31443 | ******| . | 0.090736

13 23.268470 0.04030 | . |* . | 0.096108

14 71.112195 0.12317 | . |** . | 0.096194

15 -105.621 -.18295 | ****| . | 0.096991

16 37.591996 0.06511 . |* . | 0.098727

17 23.031506 0.03989 | . |* . | 0.098945

18 45.654745 0.07908 | . |** . | 0.099027

19 -101.320 -.17550 | ****| . | 0.099347

20 127.607 0.22103 | . |**** | 0.100908

21 -61.519663 -.10656 | . **| . | 0.103337

22 35.825317 0.06205 | . |* . | 0.103893

23 -93.627333 -.16217 | .***| . | 0.104081

24 55.451208 0.09605 | . |** . |

从其自相关图中可以看出二阶差分后的序列自相关系数很快衰减为零,且都在两

倍标准差范围之内,所以认为平稳,白噪声检验结果:

Autocorrelation Check for White Noise

To Chi- Pr >

Lag Square DF ChiSq

------------------- Autocorrelations -------------------

6 30.70 6 <.0001 -0.363 -0.092 0.016 0.02

7 -0.103 -0.041

12 84.54 12 <.0001 0.174 -0.253 0.090 0.036 0.232 -0.314

18 97.98 18 <.0001 0.040 0.123 -0.183 0.065 0.040 0.079

24 126.99 24 <.0001 -0.175 0.221 -0.107 0.062 -0.162 0.096

P 值都小于 0.05 ,认为不是白噪声。 接下来对模型进行定阶:

Minimum Information Criterion

Lags MA 0 MA 1 MA 2 MA 3 MA 4 MA 5

AR 0

6.356905 6.141831 6.149838

6.175552 6.191564 6.203649 AR 1 6.236922 6.168121 6.15152

6.172674 6.186962 6.193905 AR 2 6.193215 6.180818 6.177337 6.197407 6.203224 6.207239 AR 3

6.19748 6.203081 6.202837

6.221083 6.215313 6.188712 AR 4 6.220313 6.22949 6.227445 6.241883 6.162837 6.189358 AR 5 6.222131

6.236739 6.244025

6.264968 6.185963

6.210425

Error series model:

AR(10)

Minimum Table Value: BIC(0,1) = 6.141831

BIC(0,1)取得最小值,所以选取 MA (1)模型,接下来 对模型进行拟合: 得到模型为:

模型检验结果为:

Conditional Least Squares Estimation

Standard Approx Parameter Estimate Error t Value Pr > |t| Lag MU 0.40286

0.16900

2.38 0.0181 0 MA1,1 0.89063 0.03266

27.27

<.0001 1

Forecasts for variable x 时间

Forecast Std Error 95% Confidence Limits

1997一季度 7759.2061 31.2276 7698.0011 7820.4112 1997二季度 7842.6135 40.3048 7763.6175 7921.6095 1997三季度 7926.4237 48.9444 7830.4945 8022.3530 1997四季度

8010.6368

57.4356

7898.0651

8123.2085

预测图:

从 sas 的定阶结果来看, 检验结果显示都显著。接下来利用此模型对

1997 年的四个季度进行预测: