时间序列分析第二章时间序列的预处理Word下载.docx
《时间序列分析第二章时间序列的预处理Word下载.docx》由会员分享,可在线阅读,更多相关《时间序列分析第二章时间序列的预处理Word下载.docx(16页珍藏版)》请在冰点文库上搜索。
year'
'
1jan1970'
d,n-1);
formatyearyear4.;
cards;
97154137.7149164157188204179210202218209
204211206214217210217219211233316221239
215228219239224234227298332245357301389
;
procarimadata=example2_2;
dentifyvar=freq;
run;
(1)"
”是告诉系统,下面要对临时数据集example2_2中的数
据进行ARIMA程序分析。
(2)"
identifyvar=freq;
”是对指令变量freq的某些重要性质进行识别。
执行本例程序,IDENTIFY语句输出的描述性信息如下:
NatneofVarIable=freq
Ueanof?
orkingSeries222.941StandardDeviation56,82834NumberofObservations39
这部分给出了分析变量的名称、序列均值、标准差和观察值个数。
IDENTIFY语句输出结果的第二部分分为自相关图,本例获得的样本自相关见下图。
markstwostandarderror&
序列FREQ样本自相关图
其中:
Lag延迟阶数。
Covarianee延迟阶数给定后的自协方差函数。
Correlation自相关系数的标准差。
”一一2倍标准差范围。
2、纯随机性检验
为了判断序列是否有分析价值,我们必须对序列进行纯随机性检验,即白噪声检验。
在IDENTIFY
输出结果的最后一部分信息就是白噪声检验结果。
本例中白噪声检验输出结果如下:
ToLag延迟阶数。
检验结果显示,在6阶延迟下LB检验统计量的P值非常小(<0.0001),所以我们可以以很大的把握(置信水平>99.999%)断定该序列属于非白噪声序列。
、课后习题
2.1975-1980年夏威夷岛莫那罗亚火山(Maunaloa)每月释放的co2数据如下(单位:
ppm),见表2-7.
330.45
330.97
331.64
332.87
333.61
333.55
331.9
330.05
328.58
328.31
329.41
330.63
331.63
332.46
333.36
334.45
334.82
334.32
333.05
330.87
329.24
328.87
330.18
331.5
332.81
333.23
334.55
335.82
336.44
335.99
334.65
332.41
331.32
330.73
332.05
333.53
334.66
335.07
336.33
337.39
337.65
337.57
336.25
334.39
332.44
332.25
333.59
334.76
335.89
337.63
338.54
339.06
338.95
337.41
335.71
333.68
333.69
335.05
336.53
337.81
338.16
339.88
340.57
341.19
340.87
339.25
337.19
335.49
336.63
337.74
338.36
(1)绘制序列时序图,并判断该系列是否平稳。
实验程序:
inputppm@@;
month'
01jan1975'
d,_n_-1);
330.45330.97331.64332.87333.61333.55
331.90330.05328.58328.31329.41330.63
331.63332.46333.36334.45334.82334.32
333.05330.87329.24328.87330.18331.50
332.81333.23334.55335.82336.44335.99
334.65332.41331.32330.73332.05333.53
334.66335.07336.33337.39337.65337.57
337.41335.71333.68333.69335.05336.53
337.81338.16339.88340.57341.19340.87
339.25337.19335.49336.63337.74338.36
plotppm*time=1;
symbol1c=blackv=stari=join;
实验结果:
11lie
实验分析体会:
Maunaloa)每月释放的co2时间序
时序图给我们的提供的信息非常明确,夏威夷岛莫那罗亚火山(
列图有明显的递增趋势,所以它不是平稳序列。
(2)计算该序列的样本自相关系数氏(k=1,2,川,24)。
334.66335.07336.33337.39337.65337.57
336.25334.39332.44332.25333.59334.76
335.89336.44337.63338.54339.06338.95
procarimadata=example21;
Correlation
0.90751
0.72171
0.51252
0.34982
0.2469
0.20309
0.21021
0.26429
0.36433
0.48472
0.58456
0.60198
0.51841
0.36856
0.20671
0.08138
0.00135
-0.03248
(3)绘制该样本自相关图,并解释该图形。
Autocorrelations
9.832752
1.00000
1
9.014050
2
7,168604
0.7?
171
3
5.0S0716
D.51252
4
3.474700
0.349B2
5
2.4523S1
0.24690
£
2.017285
7
Z.0B7944
E
2.€25106
10
4.B14571
0.4S472
II
6.BD63DG
12
5.97330S
0.G0188
13
5.149264
0.51S41
14
3.E60S44
0.3G85B
馬
2.053220
IE
O.BOBS84
0.0S138
17
0.013455
ie
-0.822607
-.03248
LagCovariance
C屮flatIon
lUiUiUiUiUiUihijuduiLiilLiihjikiiLiiLiikiikiiiHiiHiai■TiipiipupiiriiriiT>
iT,|T,,T,,r■n■n,,r,,r,|T|,T,,T,,T,,T|
dMiUi^iUiUiUiLiiLiiJijikiikJiJuijLiikJikiifaiifeiijHipiipiipupiirnrniii|ii|ii|upifiix^ii|11|1i|i1|>
■
iLaiLaiUiUiUiUi^iiuiiiiiiLiikiikiikiikiipiipiipiipiifiifiifiipiipupup>
>
T1'
T■'
T1
*****,
*****.
■水
-1M765432101234567M1
"
."
diarkstwostandarderrors
StdError
0.117051
0J91744
0.228850
0.241932
0.246058
0.252237
0.254498
0.25B888
0.260647
0.2B7B27
0.279554
0.29B045
0.312684
0.824305
0.330072
0.331865
0.332142
自相关图显示序列子相关系数长期位于零轴的一边,这是具有单调趋势序列的典型特征,同时自相关图呈现出明显的正弦波动规律,这是具有周期变化规律的非平稳序列的典型特征。
自相关图显示出来的这两个性质和该序列时序图显示的带长期递增趋势的周期性质是非常吻合的。
3.1945-1950年费城月度降雨量数据如下(单位:
mm
69.3
80
40.Q
74J
S4.6
101.1
225
Q5.3
100.6
4S.3
144.3
28.3
384
52.3
6S6
371
14S.6
218.7
131.(5
112.8
Sl.S
31
47.5
70.1
96.8
6L?
55.fi
171.7
220.5
119.4
63.2
181.6
64.8
166.9
137.7
SOS
105.2
899
174.8
124
86.4
136.9
3L5
35J
1123
160.8
97
80.5
62.5
15S.2
7.6
1C5.9
1067
92.2
26J
77
105.4
49.5
116.1
54,1
14&
.6
159.3
85.3
67.3
112.S
的.4
dataexample2_3;
time=intnx('
1jan1945'
69.380.040.974.984.6101.1225.095.3100.648.3144.5128.3
38.452.368.637.1148.6218.7131.6112.881.831.047.570.1
96.861.555.6171.7220.5119.463.2181.673.964.8166.948.0
137.780.5105.289.9174.8124.086.4136.931.535.3112.3143.0
160.897.080.562.5158.27.6165.9106.792.263.226.277.052.3
105.4114.349.5116.154.1148.6159.385.367.3112.859.4
procarimadata=example23;
identifyvar=freq;
自相关图:
Autocorrelatiotns
(1)计算该序列的样本自相关系数Pk(k=12川,24)。
从上面的自相关图可以看出样本的自相关系数为
0.06005-0.04326-0.09752-0.21647-0.13151-0.05730
0.03337-0.09036-0.00232
0.02520
0.16991
0.02973-.16785-.15233-.18319
0.08096
(2)判断该序列的平稳性。
如下图是该序列的时序图:
根据序列图可以知道,图上可以看出该序列在一个常值附近上下波动,且不具有周期性,判断该序列为平稳序列。
(3)判断该序列的纯随机性。
本序列的检验结果如下:
AutocorrelationCheckforWhiteNoise
To
Lae
Chi
Square
DF
Pr>
ChlSq
Autocorrelations
e
札4E
0.9S0
-0.043
・O.0S8
-O,21S
・0.182
-0,057
IB.50
-0.090
-0.Q02
0J?
0.275
IS
25.3&
0.1160
-0.012
0t030
-0.168
-0.152
-0.183
0.031
由于P值显著大于显著性水平0.05,所以该序列不能拒绝纯随机的原假设。
因而可以认为费城月度
降雨量的变动属于纯随机波动。
5.表2-9数据是某公司在2000-2003年期间每月的销售量。
销售量
2000年
2001年
2002<
2003年
1月
153
134
145
117
3月
187
175
203
178
|3月
234
243
15$
14P
■4月
212
227
214
壬月
300
298
295
248
疔月
221
256
220
202
了月
201
237
231
162
&
月
165
17斗
135
p月
123
11S>
120
1Q4
106
85
96
口月
S5
(57
90
12月
78
74
75
<
53
(1)绘制该序列时序图及样本自相关图。
dataexample23;
inputnumber@@;
1jan2000'
formattimeyymmdd10.;
1531872342123002212011751231048578
1341752432272982562371651241068774
145203189214295220231174119856775
117178149178248202162135120969063
procgplotdata=example23;
plotnumber*time=1;
procarimadata=example23;
identifyvar=number;
时序图
自相关图:
(2)判断该序列的平稳性
答:
从
(1)的时序图可以看出,该序列在一个常值附近上下波动,但据周期性,因此判定该序列为不平稳序列。
(3)判断该序列的纯随机性。
本例检验输出结果如下:
AutocorrelationCheckfarWhiteNoise
检验结果显示,在各阶延迟下LB检验统计量的P值非常小(<0.0001),所以我们可以以很大的
把握(置信水平>99.999%)断定该序列属于非白噪声序列。
因而认为该公司在2000-2003年期间每
月的销售量的变动不属于随机波动。