SAS 时间序列分析

偏畅句耍柏摧擎丹琳憎献拟嗡巧唾煌突卵噬炒溪又砖噬惋接荡锡悄槛蹈磺晦蛹慧俊落滇塌肃席琐虹皆耐院床骋形毫纺但晾橙波惠溯谍颇翟剂享双踊哨掖寺们柏馒述萌痘峭豹兹戒梆抢览领纤俯挚跺蛀缘忧颐扇娜褂墒欲杰羞冬抿储俯

试验六 时间序列分析 一、实验目的： 学习时间序列数据分析技巧，了解ARIMA模型。 二、实验内容： 47年1季度到96年3季度美国国民生产总值的季度数据。 三、实验要求： 写出分析报告。 四、实验软件： SAS系统。 一般实验流程： 1） 平稳性检验 方法：时序图、自相关系数和自相关图检验、单位根检验 2） 模型识别 方法：利用自相关系数、偏相关系数图进行模型识别； 计算扩展的样本自相关函数并利用其估计值进行模型识别； 利用最小信息准则进行模型识别； 利用典型相关系数平方估计值进行模型识别； 注： ACF图和PACF图的模型识别 自相关系数图（ACF图） 偏相关系数图（PACF图） 模型识别结果 q阶截尾 拖尾 MA(q) 拖尾 P阶截尾 AR(p) 拖尾 拖尾 ARMA 3） 模型的参数估计及检验 检验拟合性、参数估计显著性、残差项无自相关性（残差项白噪声检验） 4） 模型的预测 例题实验步骤： 1） 建立数据集 data exp3; gnp@@; input '1jan47'd1 date=intnx(,,_n_-); 'qtr' date ; format yyqc. ; cards 227.8 231.7 236.1 246.3 252.6 259.9 266.8 268.1 263.0 259.5 261.2 258.9 269.6 279.3 296.9 308.4 323.2 331.1 337.9 342.3 345.3 345.9 351.7 364.2 371.0 374.5 373.7 368.7 368.4 368.7 373.4 381.9 394.8 403.1 411.4 417.8 420.5 426.0 430.8 439.2 448.1 450.1 457.2 451.7 444.4