實驗報告范例1

化工生產(chǎn)量數(shù)據(jù)分析實驗報告實驗時間：2007年3月24日8點至10點一、實驗目的熟悉MA、AR、ARMA模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點，利用它們識別和建立ARMA模型二、實驗內(nèi)容分析化工生產(chǎn)量數(shù)據(jù)三、實驗儀器與材料(或軟硬件環(huán)境)SAS/ETS模塊四、實驗過程和步驟創(chuàng)建名為exp2的SAS數(shù)據(jù)集，即在窗中輸入下列語句：dataexp2;inputx@@;n=_n_;cards;輸入化工生產(chǎn)產(chǎn)量數(shù)據(jù)序列（略)；run;保存此步驟中的程序，供以后分析使用。繪時間序列圖，觀察序列特征，輸入下列程序：procgplotdata=exp2;symboli=splinev=starh=2c=green;plotx*n;run;提交程序，在graph窗口中觀察序列（圖1），可以看出此序列是均值平穩(wěn)序列。識別模型，輸入如下程序。procarimadata=exp2;identityvar=xnlag=12;run;提交程序，觀察輸出結(jié)果，見下圖發(fā)現(xiàn)樣本自相關(guān)系數(shù)是二階截尾的，一階樣本偏相關(guān)系數(shù)在2倍的標準差之外，二階樣本偏相關(guān)系數(shù)在2倍的標準差附近，因此我們可初步識別為MA（2）或AR（1）或AR（2），我們分別估計這三個模型，輸入如下程序：estimateplotq=2;run;estimateplotp=1;run;estimateplotp=2;run;提交程序，觀察輸出結(jié)果。參數(shù)估計結(jié)果見表1，白噪聲檢驗結(jié)果見表2。表1參數(shù)估計結(jié)果參數(shù)MA（2）AR（1）AR（2）Mu51.17301（1.28430）*51.26169（0.92286）*51.22013（1.11990）*MA（1）0.32286（0.12155）*MA（2）-0.31009（0.12204）*AR（1）-0.42481（0.11561）*-0.34682（0.12609）*AR（2）0.18714（0.12613）注：表中報告的是參數(shù)估計值，括號內(nèi)是其標準差；*表示在10%的顯著性水平下是顯著的。表2模型的白噪聲檢驗滯后步數(shù)MA（2）AR（1）AR（2）62.28（0.6842）4.60（0.4670）1.91（0.7514）124.46（0.9242）7.00（0.7991）4.48（0.9228）1810.79（0.8225）14.45（0.6347）11.60（0.7709）注：表中報告的是Ljung-Box的卡方統(tǒng)計量，括號內(nèi)是其概率值。由表1和表2可知，除AR（2）模型的AR（2）參數(shù)不顯著外，其他參數(shù)都顯著，且殘差都能通過Ljung-Box的卡方白噪聲檢驗。8、確定模型階數(shù)。利用AIC和SBC信息準則來確定模型階數(shù),AIC和SBC值見表3。表3模型的信息準則值信息準則MA（2）AR（1）AR（2）AIC536.4556535.7896535.5254SBC543.2011540.2866542.2709結(jié)果發(fā)現(xiàn)AR(1)模型的AIC和其它模型相差很小，而AR（1）的SBC是最小的，因此我們選擇AR(1)模型作為我們的結(jié)果。根據(jù)參數(shù)估計結(jié)果（見表1），可以寫出模型為：其中，表示t時刻化工生產(chǎn)產(chǎn)量，表示它的偏差序列，是白噪聲序列。進行預測，輸入如下程序：forecastlead=5out=out;run;提交程序，得到預測結(jié)果見表4。表4預測結(jié)果觀察序號預測值預測標準差95%下限95%上限7163.267610.957841.790784.74457246.161411.905622.826969.49597353.428312.068729.774177.08257450.341312.097926.629874.05277551.652712.103227.931075.3744退出SAS系統(tǒng)，關(guān)閉計算機。五、實