教学文库网 - 权威文档分享云平台
您的当前位置:首页 > 文库大全 > 幼儿教育 >

时间序列分析报告2

来源:网络收集 时间:2026-08-25
导读: 《时间序列分析》 课 程 实 验 报 告 一、Intnx 函数的使用。 使用Intnx 函数产生序列的时间间隔,分别对同一组数据产生其时间间隔,分别调整观测指针由参照时间向过去和未来拨1期,观察序列数据的变化。 数据:2012年12个月化工生产过程的产量数据47 64 23

《时间序列分析》

课 程 实 验 报 告

一、Intnx 函数的使用。

使用Intnx 函数产生序列的时间间隔,分别对同一组数据产生其时间间隔,分别调整观测指针由参照时间向过去和未来拨1期,观察序列数据的变化。 数据:2012年12个月化工生产过程的产量数据47 64 23 71 38 64 55 41 59 48 71 35

解:向过去拨1期

向未来拨1期

第1页

由运行结果知向未来拨一个日期,其时间与产量对应的时间出现移动,即时间向前移了两个时期,即产量数据与时间不对应。 二、分析太阳黑子数序列(见附数据1),预测6期结果。

步骤

1、开机进入SAS 系统。

2、创建名为exp1的SAS数据集,即在窗中输入下列语句: data exp1; input a1 @@;

year=intnx(‘year’,’1jan1742’d,_n_-1); format year year4.; cards;

输入太阳黑子数序列(见附数据1) run;

运行结果:

第2页

3、保存此步骤中的程序,供以后分析使用(只需按工具条上的保存按钮然后填写完提问 后就可以把这段程序保存下来即可)。

4、绘数据与时间的关系图,初步识别序列,输入下列程序: proc gplot data=exp1;

symbol i=spline v=star h=2 c=green; plot a1*year; run;

运行结果:

第3页

5、提交程序,在graph窗口中观察序列,可以看出此序列是均值平稳序列。 6、识别模型,输入如下程序。 proc arima data=exp1; identify var=a1 nlag=24; run;

运行结果: (1)

自相关图

(2) 偏自相关图

第4页

(3)白噪声检验

7、提交程序,观察输出结果。初步识别序列为AR(3)模型。 8、估计和诊断。输入如下程序: estimate p=3; run;

运行结果:

由于AR(3)模型有个参数的P=0.0687>0.05,我们可知该参数不显著,故我们识别序列为AR(2)。

8.(1)

第5页

由上图我们可知该拟合模型AR(2)参数显著。

9、提交程序,观察输出结果。假设通过了白噪声检验,且模型合理,则进行预测。 10、进行预测,输入如下程序:

forecast lead=6 interval=year id=year out=out; run;

proc print data=out; run;

预测表:

11、提交程序,观察输出结果。 12、退出SAS 系统,关闭计算机。

第6页

三、分析化工生产过程的产量序列(见附数据2),预测6期结果。

解: 程序

data exp1; input a1 @@;

year=intnx('year','1jan1742'd,_n_-1); format year year4.; cards;

47 64 23 71 38 64 55 41 59 48 71 35 57 40 58 44 80 55 37 74 51 57 50 60 45 57 50 45 25 59 50 71 56 74 50 58 45 54 36 54 48 55 45 57 50 62 44 64 43 52 38 59 55 41 53 49 34 35 54 45 68 38 50 60 39 59 40 57 54 23 ; run;

proc arima data=exp1; identify var=a1 nlag=24; run;

estimate q=2; run;

estimate p=1; run;

forecast lead=6 interval=year id=year out=out; run;

proc print data=out; run;

时序图

第7页

自相关图

自相关系数具有2阶截尾性。我们尝试拟合MA(2)模型 残差白噪声检验

第8页

各个延迟期数LB检验统计量的P值都均显著大于0.05,所以MA(2)模型显著有效。

参数显著性检验

参数显著性检验结果显示三参数t统计量的P值均小于0.05,即三参数均显著。

根据以上检验我们知道模型显著有效,参数均显著,故我们认为MA(2)模型是该序列有效拟合模型。

MA(2)模型的AIC和SBC的值如下

偏自相关图

第9页

偏自相关系数具有1阶截尾性,我们尝试拟合AR(1)模型 残差白噪声检验

各个延迟期数LB检验统计量的P值都均显著大于0.05,所以MA(2)模型显著有效。

参数显著性检验

参数显著性检验结果显示两参数t统计量的P值均小于0.05,即两参数均显著。

根据以上检验我们知道模型显著有效,参数均显著,故我们认为AR(1)模型是该序列有效拟合模型。

AR(1)模型的AIC和SBC的值如下

第10页

我们根据比较MA(2)模型和AR(1)模型的AIC和SBC值,我们知AR(1)模型优于MA(2)模型。故我们选择AR(1)模型。

我们根据AR(1)模型预测6期结果

附数据2:

太阳黑子年度数据(1742-1957)

1000.700 571.900 573.600 368.300 146.600 114.800 122.300 389.10 571.200 647.600 754.300 1030.200 733.800 541.400 436.200 250.900 136.900 453.900 838.100 1273.100 1209.600 979.000 797.900 417.300 367.400 84.100 237.800 1110.000 1852.400 1511.100 1017.600 817.100 461.500 273.600 122.000 289.200 994.400 1584.300 1570.900 1417.300 1078.700 799.000 720.500 562.800 492.000 255.200 192.200 76.700 48.800 81.100 173.700 408.000 540.400 516.600 569.600 506.900 337.300 120.600 97.700 30.400 .000 17.000 59.400 146.300 167.200 424.800 549.700 492.700 360.700 287.300 188.100 79.100 48.000 21.500 102.500 198.800 435.300 596.500 769.800 804.300 851.800 573.700 330.300 102.300 158.900 682.300 1457.400 1659.300 1237.800 1029.800 758.300 441.600 290.300 128.100 180.000 480.700 738.000 1181.500 1491.800 1150.400 798.400 774.000 650.500 468.300 246.800 80.500 51.600 273.300 657.700 1126.000 1148.300 926.000 709.300 528.200 563.400 365.700 195.500 87.100 447.500 886.800 1669.300 1334.400 1220.000 795.500 535.800 204.900 135.800 147.300 40.500 71.500 387.200 651.000 715.800

第11页

764.400 761.400 625.900 304.500 156.600 81.000 75.200 84.600 427.500 875.600 1019.200 936.100 767.600 501.400 314.900 320.600 145.300 113.500 32.900 60.300 292.600 503.400 761.600 646.300 744.400 582.500 526.600 223.000 68.400 43.100 17.300 115.100 568.400 684.800 1246.700 966.900 763.300 451.700 313.600 170.900 69.300 200.600 531.700 766.700 828.500 933.500 779.600 428.000 254.700 133.700 67.900 104.600 432.700 956.800 1372.800 1314.600 1065.000 813.400 569.700 367.200 195.900 115.100 397.100 1110.100 1798.100 1634.400 1621.400 1007.100 837.100 376.900 166.200 52.900 455.400 1700.500 2278.200 2215.100 1905.000 1347.300 646.800 451.200 334.700 122.400 180.700

附数据2:化工生产过程的产量数据

(顺序是横向排列)

47 64 23 71 38 64 55 41 59 48 71 35 57 40 58 44 80 55 37 74 51 57 50 60 45 57 50 45 25 59 50 71 56 74 50 58 45 54 36 54 48 55 45 57 50 62 44 64 43 52 38 59 55 41 53 49 34 35 54 45 68 38 50 60 …… 此处隐藏:2399字,全部文档内容请下载后查看。喜欢就下载吧 ……

时间序列分析报告2.doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印
本文链接:https://www.jiaowen.net/wenku/1485945.html(转载请注明文章来源)
Copyright © 2020-2025 教文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ:78024566 邮箱:78024566@qq.com
苏ICP备19068818号-2
Top
× 游客快捷下载通道(下载后可以自由复制和排版)
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
注:下载文档有可能出现无法下载或内容有问题,请联系客服协助您处理。
× 常见问题(客服时间:周一到周五 9:30-18:00)