sas 时间序列分析

sas 时间序列分析

ID:20887428

大小:442.00 KB

页数:24页

时间:2018-10-17

sas 时间序列分析_第1页
sas 时间序列分析_第2页
sas 时间序列分析_第3页
sas 时间序列分析_第4页
sas 时间序列分析_第5页
资源描述:

《sas 时间序列分析》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。时间序列分析师定量预测方法之一,它的基本原理:一是承认事物发展的延续性。应用过去数据,就能推测事物发展的趋势。二是考虑到事物发展的随机性。任何事物发展都可能受到偶然因素影响,为此要利用统计分析中加权平均发对历史数据进行处理。该方法简单易行,便于掌握,但准确性差,一般只是用于短期预测。时间序列预测,一般反应三种实际变化的规律:趋势变化、周期性变化、随机变化。根据现有数据:1964年1季度到2013年3季度某公司生产总

2、值的季度数据。做时间序列分析。dataexp3;inputtov@@;date=intnx('qtr','1jan64'd,_n_-1);formatdateyyqc.;datalines;227.8231.7236.1246.3252.6259.9266.8268.1263.0259.5261.2258.9269.6279.3296.9308.4323.2331.1337.9342.3345.3345.9351.7364.2371.0374.5373.7368.7368.4368.7373.4381.9394.8403.1411.4417.842

3、0.5426.0430.8439.2448.1450.1457.2451.7444.4448.6461.8475.0499.0512.0512.5516.9530.3529.2532.2527.3531.8542.4553.2566.3579.0586.9594.1597.7606.8615.3628.2637.5654.5663.4674.3679.9701.2713.9730.4752.6775.6785.2798.6812.5822.2828.2844.7861.2886.5910.8926.0943.6966.3979.9999.31008

4、.01020.31035.71053.81058.41104.21124.91144.41158.81198.51231.81256.71297.01347.91379.41404.41449.71463.91496.81526.41563.21571.31608.31670.61725.31783.51814.01847.91899.01954.52026.42088.72120.42166.82293.72356.22437.02491.42552.92629.72687.52761.72756.12818.82941.53076.63105.

5、43197.73222.83221.03270.33287.83323.83388.23501.03596.83700.33824.43911.33975.64022.74100.44158.74238.84306.24376.64399.44455.84508.54573.14655.54731.44845.24914.55013.75105.35217.15329.25423.95501.35557.05681.45767.85796.85813.65849.05904.55959.46016.66138.36212.26281.16390.5

6、6458.46512.36584.86684.56773.66876.36977.67062.27140.57202.47293.47344.37426.67537.57593.6;run;注:INTNX(interval,from,n)计算从from开始经过n个in间隔后的SAS日期例如楼上的intnx('year','05feb94'd,3);就是再05feb94上加3年绘序列图,输入如下程序:procgplotdata=exp3;symbol1i=spline;plottov*date=1;run;观察图形,发现图形成指数函数上升形式,对于指

7、数模型,通常要将因变量作对数变换。故做对数变换,输入如下程序:datalexp;setexp3;ltov=log(tov);run;绘变换后序列图,输入如下程序:procgplotdata=lexp;symbol2i=splinec=blue;plotltov*date=2;run;提交程序,到graph窗口中观察变换后的序列图,可以看出它成直线上升趋势。对序列做初步识别,输入如下程序:procarimadata=lexp;identifyvar=ltovnlag=12;run;提交程序,观察样本自相关系数,可看出有缓慢下降趋势,结合我们观察的图形

8、,我们知道要对序列做差分运算,作一阶差分,输入如下程序:identifyvar=ltov(1)nlag=12;run;提交

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。