SAS时序分析程序说明ppt课件.ppt

《SAS时序分析程序说明ppt课件.ppt》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、SAS时序分析程序说明ARIMA过程单变量场合：ARIMA模型的识别，拟合，预测多变量场合：ARIMAX模型的识别，拟合，预测干预模型的识别，拟合，预测转移函数模型的识别，拟合，预测ARIMA过程三阶段建模PROCARIMAoptions;IDENTIFYVAR=variableoptions;/识别/ESTIMATEoptions;/估计/FORECASToptions;/预测/PROCARIMA语句开始进入ARIMA分析程序的起始命令可选择命令：Data=文件名/指定分析数据所在文件名/Out=文件名/指定输出预测值的SAS数据集/例句：PROCARIMA;默认对最近一次使用的数据集进

2、行ARIMA分析PROCARIMAdata=a;对临时库数据集a进行ARIMA分析PROCARIMAdata=sasuser.aout=b;对永久库数据集sasuer.a进行ARIMA分析,预测结果存入临时数据库bIDENTIFY语句单变量序列样本自相关，逆自相关和偏自相关属性，平稳性识别，白噪声识别，单位根检验结果输出多变量序列响应变量和解释变量的选择及互相关属性输出命令格式IDENTIFYVAR=相应变量名可选择命令；例句Identifyvar=x;对x变量进行识别，输出均值，标准差等描述性统计量输出自相关，逆自相关和偏自相关系数及图（平稳性检验和参数定阶基础）输出白噪声检验结果Ide

3、ntifyvar=x(d);对X的d步差分变量进行识别，输出上面三种结果Identifyvar=x(1);对X的一阶差分变量进行识别Identifyvar=x(1，1);对X的二阶差分变量进行识别Identifyvar=x(1，4);对X的一阶和4步差分后变量进行识别（通常用于有趋势和有周期的序列识别）IDENTIFY可选命令Nlag=k；指明计算自相关系数和互相关系数过程中需要考虑的延迟阶数。如果不特别指定nlag的阶数，计算机默认的输出阶数是min(24,n/4)Minicp=(p1:p2)q=(q1:q2)；在自相关阶数跑遍p1-p2，移动平均阶数跑遍q1-q2的范围内，寻找AIC最

4、小的模型阶数（一种傻瓜型定阶方法）Stationarity=（）；单位根检验（df,adf或pp检验，其中df检验等于adf(1)检验）Crosscorr=(一个或多个输入变量名)指定输入变量（可以是原序列也可以是差分序列），单个输入变量可以不加括号，多个输入变量要加括号Outcov=文件名将自协方差，自相关系数，偏自相关系数和逆自相关系数写入该文件集中例句Identifyvar=cpi(1)nlag=18stationarity=(adf=3);对cpi的一阶差分序列进行识别，输出延迟18阶的基本统计，自相关信息和白噪声检验信息对cpi的一阶差分序列进行滞后阶数分别等于0,1,2,3的a

5、df检验Identifyvar=cpi(1)nlag=18stationarity=(pp=2);对cpi的一阶差分序列进行滞后阶数分别等于0,1,2的pp检验其他同上例句Identifyvar=cpi(1)minicp=(0:5)q=(0:5);对cpi一阶差分序列进行识别，输出基本统计，自相关信息和白噪声检验信息对cpi一阶差分序列寻找最优拟合阶数（p>=5,q<=5)例句Identifyvar=cpi(1)crosscorr=gdp;对cpi的一阶差分序列进行识别以gdp作为输入变量，cpi的一阶差分序列作为响应变量，对这两个变量之间的互相关关系进行识别Identifyvar=cpi

6、(1)crosscorr=gdp(1);对cpi的一阶差分序列进行识别（输出滞后12阶的相关信息）以gdp的一阶差分序列作为输入变量，cpi的一阶差分序列作为响应变量，对这两个变量之间的互相关关系进行识别Identifyvar=cpi(1)crosscorr=（gdp(1)interest）;对cpi的一阶差分序列进行识别（输出滞后12阶的相关信息）以gdp的一阶差分序列和interest作为输入变量，cpi的一阶差分序列作为响应变量，对解释变量和响应变量之间的互相关关系进行识别Identifyvar=cpi(1)nlag=12crosscorr=（gdp(1)interest）outco

7、v=out;其他同上输出延迟阶数为12的自相关和偏自相关系数信息相关系数的信息存入数据集outESTIMATE命令给出指定模型的所有参数的估计值参数的显著性检验情况残差的白噪声检验情况命令格式Estimatep=自相关阶数q=移动平均阶数;p或q如果为零，可以忽略不写例句Identifyvar=x;Estimatep=1q=1;拟合ARMA(1,1)模型Identifyvar=x(1);Estimatep=(13);拟合