第三章平穩(wěn)時間序列分析的ARIMA過程

1、平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMAdata example3_1;input x;time=_n_;cards;0.30 -0.45 0.36 0.00 0.17 0.45 2.154.42 3.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36-0.50 -1.93 -1.49 -2.35 -2.18 -0.39 -0.52-2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.21 0.78 0.8

2、8 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.80 0.56 -0.11 0.10 -0.56 -1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05；平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMA一、畫時序圖，初步判斷數(shù)據(jù)的平穩(wěn)性；一、畫時序圖，初步判斷數(shù)據(jù)的平穩(wěn)性；proc gplot data=example3_1;p

3、lot x*time=1;symbol1 c=red I=join v=star;run;二、模型識別二、模型識別平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMAproc arima data= example3_1;identify var=x nlag=8;run;Autocorrelation Check for White Noise To Chi- Pr Lag Square DF ChiSq -Autocorrelations- 6 111.79 6 Lag Square DF ChiSq -Autocorrelations- 6 2.00 2 0.3684 -0.021 0.002

4、0.103 -0.038 0.076 -0.062 12 4.70 8 0.7892 0.052 -0.141 0.006 0.059 0.042 0.018 18 11.40 14 0.6542 -0.097 0.048 -0.106 0.005 0.080 -0.182 24 14.75 20 0.7908 0.079 -0.020 0.121 -0.028 -0.082 -0.013四、模型參數(shù)估計四、模型參數(shù)估計平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMAestimate q=4;run;2、參數(shù)估計和參數(shù)檢驗、參數(shù)估計和參數(shù)檢驗 Conditional Least Squares E

5、stimation Standard Approx Parameter Estimate Error t Value Pr |t| Lag MU -0.0013871 0.34414 -0.00 0.9968 0 MA1,1 -0.91784 0.08919 -10.29 .0001 1 MA1,2 -0.83200 0.11931 -6.97 .0001 2 MA1,3 -0.59806 0.11906 -5.02 .0001 3 MA1,4 -0.62317 0.08945 -6.97 |t| Lag MA1,1 -0.91780 0.08862 -10.36 .0001 1 MA1,2

6、-0.83198 0.11833 -7.03 .0001 2 MA1,3 -0.59789 0.11829 -5.05 .0001 3 MA1,4 -0.62314 0.08888 -7.01 .0001 4四、模型參數(shù)估計四、模型參數(shù)估計平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMAestimate q=4 noint;run;3、擬合模型的具體形式、擬合模型的具體形式 Model for variable x No mean term in this model Moving Average FactorsFactor 1: 1 + 0.9178 B*(1) + 0.83198 B*(2)

7、+ 0.59789 B*(3) + 0.62314 B*(4 )五、模型序列預測五、模型序列預測平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMAforecast lead=5 id=time out=results;run;預測結(jié)果：預測結(jié)果： Forecasts for variable x Obs Forecast Std Error 95% Confidence Limits 85 0.6185 0.8739 -1.0943 2.3314 86 0.2725 1.1862 -2.0525 2.5974 87 0.3923 1.3913 -2.3346 3.1193 88 0.4696 1.4862 -2.4433 3.3825 89 0.0000 1.5828 -3.1023 3.1023五、模型序列預測五、模型序列預測平穩(wěn)時序的平穩(wěn)時序的SAS過程過程ARIMA擬合、預測圖：擬合、預測圖：proc gplot data=results;plot x*time=1 forecast*time=2 l95*time=3