2014年sas大賽第三題

題目：數(shù)據(jù)集timeser_com中存放著某地區(qū)每個電信基站的通話時長和短信包信息。date代表時間變量，Cell代表基站編碼，tcherl和sms分別代表通話和短信量。問題如下：(1)根據(jù)date創(chuàng)建時間變量date_new；(2)清理數(shù)據(jù)，根據(jù)CELL和date_new變量剔除重復記錄，對tcherl和sms使用三次樣條曲線進行插值；(3)ARIMA過程步識ARIMA(p,d,q)滯后階數(shù)并簡要說明確定該模型的原因（提示：通過單位根檢驗檢驗差分階數(shù)的合理性）；(4)估計得到的模型系數(shù)，對每個基站的tcherl和sms兩個變量進行向前30步的預測數(shù)據(jù)。解答：（1） 程序：data timese; set voice; date_new= input(put(date,8.),yynndd8.) ; format date date9.; run;原數(shù)據(jù)集 新建的date_new變量（2） 刪除重復記錄：程序：proc sort data = timese out = timese; by date cell; run; data times_new; set timese; by date cell; if first.cell then delete; run; 三次插值（考慮站點cell=D37C072）頻數(shù)分布情況：程序：proc freq data=times_new; table cell; run; D37C0631330.0498673.15D37C0712140.07100813.22D37C0722140.07102953.29D37C0732140.07105093.36D37C0811330.04106423.40D37C0821330.04107753.44D37C0831330.04109083.48三次插值：程序：proc iml; a = shape(1,226,1); create dates from acolname=date_new; append from a; run; quit; data dates; set dates; date_new= intnx(day,04may09d,_n_-1) ; format date_new date9.; run; proc sql ; create table date_new as select date_new from dates where date_new not in (select date_new from date); run; data date_new; set date_new date; run; proc sort data=date_new; by date_new; run; proc expand data = date_new out=date_new2 method=spline; id date_new; run; 未插值前數(shù)據(jù)： 插值之后：（3） 程序：proc gplot data=data_f; plot tcherl*time; symbol color=red L=1 i=spline; run; Tcherl*time;程序：proc arima data=data_f; identify var=tcherl; run; data data_f; set data_f; z=dif(tcherl); run; 可以看出自相關(guān)函數(shù)出現(xiàn)緩慢衰減，而且后面的值并沒有在兩倍標準誤差的范圍內(nèi)所以不認為它是平穩(wěn)的序列從偏自相關(guān)函數(shù)可以看出7階截斷，P0.05,拒絕原假設(shè)，所以認為它是非白噪聲序列，即對序列建模是有意義的?？梢园l(fā)現(xiàn)AR6,MA6的值3.687501最小，ARMA(6,6)的BIC信息量最小，所以選擇ARMA(5,6)模型擬合原序列由于是非平穩(wěn)的 所以做一階差分程序：data data_f; set data_f; z=dif(tcherl); run; proc gplot data=data_f; plot tcherl*time=1 z*time=2/overlay; symbol1 c=red l=1 i=spline; symbol2 c=green l=1 i=spline; run; 程序：proc arima data=data_f; identify var=tcherl(1); run;、檢驗其自相關(guān)函數(shù)，偏自相關(guān)函數(shù)、發(fā)現(xiàn)自相關(guān)函數(shù)下降的很快，很快接近于零，而且lag=3后面的值基本落在2倍標準誤差里面，所以可以認為是平穩(wěn)的。而且是非白噪聲序列Proc arima data_f;Identify var=tcherl stationarity=(adf=1);run;ADF檢驗中，三個模型只要有一個拒絕原假設(shè)，就可以認為序列式平穩(wěn)的；顯然后面兩個模型，P值0.05,所以殘差序列是白噪聲序列，說明模型提取信息是充分的。即ARIMA(6,1,0)是適應(yīng)的。最后寫出這個模型：程序： proc arima data=data_f; identify var=tcherl(1) minic p=(0:6) q=(0:6); estimate p=6 method=cls; forecast lead=30 id=time out=result; run; 程序：proc gplot data=result1; plot for