SAS经济时间序列分各种模型分析
- 格式：docx
- 大小：70.07 KB
- 文档页数：37
目录实验一分析太阳黑子数序列 (3)实验二模拟AR模型 (4)实验三模拟MA模型和ARMA模型 (6)实验四分析化工生产量数据 (8)实验五模拟ARIMA模型和季节ARIMA模型 (10)实验六分析美国国民生产总值的季度数据 (13)实验七分析国际航线月度旅客总数数据 (16)实验八干预模型的建模 (19)实验九传递函数模型的建模 (22)实验十回归与时序相结合的建模 (25)太阳黑子年度数据 (28)美国国民收入数据 (29)化工生产过程的产量数据 (30)国际航线月度旅客数据 (30)洛杉矶臭氧每小时读数的月平均值数据 (31)煤气炉数据 (35)芝加哥某食品公司大众食品周销售数据 (37)牙膏市场占有率周数据 (39)某公司汽车生产数据 (44)加拿大山猫数据 (44)实验一分析太阳黑子数序列一、实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS软件使用方法。
二、实验内容：分析太阳黑子数序列。
三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。
四、实验时间：2小时。
五、实验软件：SAS系统。
六、实验步骤1、开机进入SAS系统。
2、创建名为exp1的SAS数据集，即在窗中输入下列语句：3、保存此步骤中的程序，供以后分析使用（只需按工具条上的保存按钮然后填写完提问后就可以把这段程序保存下来即可）。
4、绘数据与时间的关系图，初步识别序列，输入下列程序：ods html;ods listing close;5、run;提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。
6、识别模型，输入如下程序。
7、提交程序，观察输出结果。
初步识别序列为AR(2)模型。
8、估计和诊断。
输入如下程序：9、提交程序，观察输出结果。
假设通过了白噪声检验，且模型合理，则进行预测。
10、进行预测，输入如下程序：11、提交程序，观察输出结果。
12、退出SAS系统，关闭计算机。
总程序：data exp1;infile "D:\exp1.txt";input a1 @@;year=intnx('year','1jan1742'd,_n_-1);format year year4.;;proc print;run;ods html;ods listing close;proc gplot data=exp1 ;symbol i=spline v=dot h=1 cv=red ci=green w=1;plot a1*year/autovref lvref=2 cframe=yellow cvref=black ;title "太阳黑子数序列";run;proc arima data=exp1; identify var=a1 nlag=24 minic p=(0:5) q=(0:5); estimate p=3; forecast lead=6 interval=year id=year out=out; run; proc print data=out; run;选取拟合模型的规则:1.模型显著有效(残差检验为白噪声)2.模型参数尽可能少3.结合自相关图和偏自相关图以及minic 条件(BIC 信息量最小原则),选取显著有效的参数实验二 模拟AR 模型一、 实验目的：熟悉各种AR 模型的样本自相关系数和偏相关系数的特点，为理 论学习提供直观的印象。
二、实验内容：随机模拟各种AR 模型。
三、 实验要求：记录各AR 模型的样本自相关系数和偏相关系数，观察各种序列 图形，总结AR 模型的样本自相关系数和偏相关系数的特点四、实验时间：2小时。
五、实验软件：SAS 系统。
六、 实验步骤1、开机进入SAS 系统。
2、模拟实根情况，模拟t t t t a z z z =-+--214.06.0过程。
3、在edit 窗中输入如下程序：4、观察输出的数据，输入如下程序，并提交程序。
观察样本自相关系数和偏相关系数，输入输入如下程序，并提交程序。
作为作业把样本自相关系数和偏相关系数记录下来。
5、 估计模型参数，并与实际模型的系数进行对比，即输入如下程序，并提交。
6、 模拟虚根情况，模拟t t t t a z z z =+---215.0过程。
重复步骤3-7即可（但部分程序需要修改，请读者自己完成）。
7、 模拟AR(3)模型，模拟t t t t t a z z z z =-+----3212.03.04.0过程。
重复步骤3-7即可(但部分程序需要修改，请读者自己完成).10、回到graph 窗口观察各种序列图形的异同11、退出SAS 系统,关闭计算机.总程序: title; data a; x1=0.5; x2=0.5; do i=-50 to 250; a=rannor(32565); x=a-0.6*x1+0.4*x2; x2=x1; x1=x; output; end; run; proc print data=a; var x; proc gplot data=a; symbol i=spline c=red; plot x*i/haxis=-50 to 255 by 20; run; quit; proc arima data=a; identify var=x nlag=10 minic p=(0:3) q=(0:3) outcov=exp1; estimate p=2 noint;run;proc gplot data=exp1; symbol i=needle width=6; plot corr*lag; run; proc gplot data=exp1; symbol i=needle width=6; plot partcorr*lag;run;实验三 模拟MA 模型和ARMA 模型一、 实验目的：熟悉各种MA 模型和ARMA 模型的样本自相关系数和偏相关系数 的特点，为理论学习提供直观的印象。
二、实验内容：随机模拟各种MA 模型和ARMA 模型。
三、 实验要求：记录各MA 模型和ARMA 模型的样本自相关系数和偏相关系数， 观察各序列的异同，总结MA 模型和ARMA 模型的样本自相关系 数和偏相关系数的特点四、实验时间：2小时。
五、实验软件：SAS 系统。
六、 实验步骤1、开机进入SAS 系统。
2、模拟0,021<<θθ情况，模拟t t a B B x )24.065.01(2++=过程。
3 在edit 窗中输入如下程序：4、观察输出的数据序列，输入如下程序，并提交程序。
5、观察样本自相关系数和偏相关系数，输入输入如下程序，并提交程序。
6、估计模型参数，并与实际模型的系数进行对比，即输入如下程序，并提交。
7、模拟0,021>>θθ情况，模拟t t a B B x )24.065.01(2--=过程。
重复步骤3-7即可（但部分程序需要修改，请读者自己完成）。
8、模拟0,021<>θθ情况，模拟t t a B B x )24.065.01(2+-=过程。
重复步骤3-7即可（但部分程序需要修改，请读者自己完成）。
9、模拟0,021><θθ情况，模拟t t a B B x )24.065.01(2-+=过程。
重复步骤3-7即可（但部分程序需要修改，请读者自己完成）。
10、 模拟ARMA 模型，模拟21214.03.055.075.0------+=++t t t t t t a a a x x x 过程。
重复步骤3-7即可(但部分程序需要修改，请读者自己完成).11、 回到graph 窗口观察各种序列图形的异同。
12、 退出SAS 系统,关闭计算机.总程序: data a; a1=0; a2=0; do n=1to 250; a=rannor(32565); x=a+0.65*a1+0.24*a2; a2=a1; a1=a; output; end; run; proc gplot data=a; symbol i=spline h=1 w=1; plot x*n /haxis=-10 to 260 by 10; run; proc arima data=a; identify var=x nlag=10 minic p=(0:3) q=(0:3) outcov=exp1; estimate q=2 noint; run; proc gplot data=exp1; symbol1 i=needle c=red;plot corr*lag=1;run;proc gplot data=exp1;symbol2 i=needle c=green;plot partcorr*lag=2;run;quit;实验四分析化工生产量数据一、实验目的：进一步熟悉时间序列建模的基本步骤，掌握用SACF及SPACF定模型的阶的方法。
二、实验内容：分析化工生产过程的产量序列。
三、实验要求：掌握ARMA模型建模的基本步骤，初步掌握数据分析技巧。
写出实验报告。
四、实验时间：2小时。
五、实验软件：SAS系统。
六、实验步骤1、开机进入SAS系统。
2、创建名为exp2的SAS数据集，即在窗中输入下列语句：3、保存此步骤中的程序，供以后分析使用（只需按工具条上的保存按钮然后填写完提问后就可以把这段程序保存下来即可）。
4、绘数据与时间的关系图，初步识别序列，输入下列程序：5、提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。
6、识别模型，输入如下程序。
7、提交程序，观察输出结果，发现二阶样本自相关系数和一阶的样本偏相关系数都在2倍的标准差之外，那么我们首先作为一阶AR模型估计，输入如下程序：8、提交程序，观察输出结果，发现残差能通过白噪声检验，但它的二阶的样本偏相关系数比较大，那么我们考虑二阶AR模型。
输入如下程序：9、提交程序，观察输出结果，发现残差样本自相关系数和样本偏相关系数都在2倍的标准差之内。
且能通过白噪声检验。
比较两个模型的AIC和SBC,发现第二个模型的AIC和SBC都比第一个的小，故我们选择第二个模型为我们的结果。
10、记录参数估计值，写出模型方程式。
11、进行预测，输入如下程序：12、提交程序，观察输出结果。
13、退出SAS系统，关闭计算机。
data exp2;infile "D:\exp1.txt";input x @@;n=_n_;proc print;run;proc gplot data=exp2;symbol i=join v=star h=2 ci=green cv=red;plot x*n/vref=30 50 70 cvref=red lvref=2 ;run;proc arima data=exp2;identify var=x nlag=12 minic p=(0:3) q=(0:3);estimate plot p=1;forecast lead=2 out=out;run;quit;实验五模拟ARIMA模型和季节ARIMA模型一、实验目的：熟悉各种ARIMA模型的样本自相关系数和偏相关系数的特点，区别各种ARIMA模型的图形，为理论学习提供直观的印象。
