时间序列分析 上机作业.doc

《时间序列分析 上机作业.doc》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、《时间序列分析》上机1实验报告学号20091817姓名工媛班级计算0901实验目的：模拟AR模型。实验要求：育观了解AR模型的平稳性要求的含义，熟悉备种AR模型的样木自相关函数和偏自相关函数的特点，为理论学习提供玄观印象。观察各种AR序列的图形及其样木白相关函数和偏白相关函数，体会AR序列的平稳性含义及样木白相关函数和样木偏白相关函数的特点，总结如何判定时间序列的平稳性。实验内容：1、开机进入SAS系统。2、模拟AR⑴序列：X/=0.4X_

2、+e：3、在editor窗屮输入女□下程序：dataa;xl=0.5;n=-50;doi=-50to1000;a=rannor(32565);x=a

3、+0.4*xl;xl二X；n二n+1;ifi>0thenoutput;end;run;［说明］函数rannorO取标准正态随机数，参数为种了。4、观察输出的数据，输入如下程序，并提交程序。procprintdata=a;varx;procgplotdata=a;symboli=splinec二red;plotx*n;run;输出图形为:010020030040050060070080090010001100从图中可得出该模型是平稳的。5、模拟AR（1）序列：X,=1」X-+刍及X,=—l.lX_+d，重复步骤3、4即可。（1）模型+"输出如下:（2）模型X「=—l.lXi+£,输出结果如

4、下:X7.UUE4-43G.OOE-^435.00E+434OOE»4583.OOE+432OOE»431•00E4-43UUOE4-UU1.00EZ+43200E+433OOEi4^4.00E+43500Eb426.00E4-43100200300400500600700QOO9001OOO11006、比较三个AR⑴序列图形Z间的差异，为什么会出现这种差异？体会平稳域及平稳性要求的含义。由乙=叽、+£中卩能确定AR(1)模型的平稳域及其平稳性。7、模拟AR⑵序列:Xt=0.5+0.3Xt_2。8、观察该序列的样本自相关函数和偏自相关函数，输入如下程序，并提交程序。procarimada

5、/ta二a;identifyvar二xnlag=20outcov^expl;run;procgplotdata二expl;symboli二needlewidth=6;plotcorrrun;procgplotdata=expl;symboli二needlewidth=6;plotpartcorr*lag;run;输出结果如下：偏白相关系数?«x-1xa1Autoc=ox*x-datxons丄・0・0.9-05--01-01020Vc丄uu自相关:9、观察样木H相关函数和偏白相关函数的拖尾性与截尾性的特征。由阿知，自相关系数表现出截尾性，偏自相关系数表现出拖尾性。10、模拟AR⑵序列：Xt

6、=-0.5Xt+0.3X*+E及Xt=X-_0・6X*+®，并观察这两个序列的样木H相关函数和偏H相关函数。(1)模型X,=一0.5X—+0.3X—2+S，输出如下:CorrelationsLagValue（2）模型X严X——0・6X_2+£「输出如下:CorrelationsLagValue10LagValue11、观察三个AR⑵序列样本H相关函数的图形，体会特征方稈（辅助方程）的根的不同情况下（实根/复根）样木自相关系数图形的不同形式。12、模拟AR⑶序列：Xt-0AXt_}+0.3X一？-0.2X-=E，观察这个序列的样木自相关函数和偏白相关函数。dataa;xl=0.5;x2=0

7、.3;x3=0・2;n=-50;doi=-50to1000;a=rannor（32565）;x=a+0.2*xl-0.3*x2+0.4*x3;xl=x2;x2=x3;x3=x;n=n+l；ifi>0thenoutput;end;run;procprintdata=a;varx;procgplotdata=a;symboli=splinec=red;plotx*n;run;procarimadata=a;identifyvar=xnlag=20outcov=expl;run;procgplotdata=expl;symboli=needlewidth=6;plotcorr*lag;run;

8、procgplotdata=expl;symboli=needlewidth=6;plotpartcorr*lag;run;CorrelationsLagValuePartialAutocorrelationsLagValue13.模拟非平稳时间序列：=0・5X-+0・5X_2+£「观察这个序列及其样木自相关函数和偏白相关函数的图形。CorrelationsLagValuePartialAutocorrelationsl・0：0.9