广东财经大学时间序列实验1

《广东财经大学时间序列实验1》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、广东商学院GUANGDONGUNIVERSITYOFBUSINESSSTUDIES实验报告课程名称实验项目名称平稳过程建模班级与班级代码实验室名称（或课室）3~903专业统计学任课教师学号：姓名：实验日期：年10月18日广东商学院教务处制评语:指导教师（签名）年月日某化妆品公司从2006年至2010年每月的实际销售量数据分析实验报告一、实验目的熟悉MA、AR、ARMA模型的样本自相关系数和偏相关系数的特点，禾I」用它们识别和建立ARMA模型二、实验内容分析某化妆品公司从2006年至2010年每月的实际销售量数据三、实验仪器与材料（或软硬件环境）SAS/ETS模块四、实验过程

2、和步骤1、创建名为exp2的SAS数据集，即在窗中输入下列语句:dataexp2:inputxn二n;cards;8.115.297.537.728.958.268.378.689.289.179.749.099.829.839.689.9510.528.878.809.829.7110.4610.2810.6610.4510.8110.7110.5210.8110.219.489.399.689.369.579.759.449.499.369.039.85&299.228.88&79&889.609.889.559.569.049.219.12&839.069.389.5

3、49.609.729.83run;2、保存此步骤中的程序，供以后分析使用。3、绘时间序列图，观察序列特征，输入下列程序：procgplotdata=exp2:symboli=splinev=starh=2c=green;plotx*n;run;4、提交程序，在gmph窗口中观察序列（图1）,可以看出此序列基本是均值平稳序列。5、识别模型，输入如下程序。procarimadata=exp2;identityvar=xnlag=12;run;111001020301050606、提交程序，观察输出结果，见下图/jtocorrelations00.7902451.00000ill

4、illillillillillillillillillillillillillillillillillillill«ll«llIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIijlIII10.5352010.67726■tlfllfillillillillillillillillillillillillf

5、ll

6、Bl

7、Bl

8、Bl

9、Bl

10、Bl

11、Bl

12、Bl

13、Bl

14、Bl

15、Bl

16、Bl

17、ll

18、l20.4167230.52733■•llillillillillillillillillillllff

19、ll

20、Bl

21、Bl

22、Bl

23、Bl

24、Bl

25、Bl

26、

27、Bl

28、Bl

29、ll

30、l30.2984430.37766■tlftilillillillill•1•l

31、ll

32、ll

33、ll

34、ll

35、ll

36、ll

37、Bl

38、l40.2579960.32648•llillillillillillllfl

39、ll

40、ll

41、ll

42、ll

43、ll

44、ll

45、l50.2018650.25545•llillillillllf«

46、ll

47、ll

48、ll

49、ll

50、l60.1568580.19849****■70.0840360.1063480.0586640.0742490.0316140.04001100.0241210.03052*.110.0115990.01468120.0096

51、0940.01216LagCovarianeeCorreiation-198765432101234567891StdError00.1290990.1787620.2030400.2144290.2225590.2273930.2302630.2310800.2314770.2315920.2316590.231675markstwostandarderrorsPartiaIAutocorreIions10.67726aH20.12683***•3-0.03771•*40.09069**•5-0.008606-0.017787-0.0829080.018259-0.007

52、45100.00465110.00274120.01074LagCorrelation-198765432101234567891发现一阶样本偏相关系数在2倍的标准差之外，二阶样本偏相关系数在2倍标准弟附近。同时，该序列自相关系数显示出拖尾的性质。因此我们可初步识别为AR(1)或AR(2),我们分别估计这两个模型，输入如下程序：estimateplotp二1;estimateplotp=2;run;7、提交程序，观察输出结果。参数估计结果见表1,白噪声检验结果见表2。表1参数估计结果参数AR(1)AR(2)Mu9.