欢迎来到淘文阁 - 分享文档赚钱的网站! | 帮助中心 好文档才是您的得力助手!
淘文阁 - 分享文档赚钱的网站
全部分类
  • 研究报告>
  • 管理文献>
  • 标准材料>
  • 技术资料>
  • 教育专区>
  • 应用文书>
  • 生活休闲>
  • 考试试题>
  • pptx模板>
  • 工商注册>
  • 期刊短文>
  • 图片设计>
  • ImageVerifierCode 换一换

    广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc

    • 资源ID:85464612       资源大小:263.50KB        全文页数:11页
    • 资源格式: DOC        下载积分:15金币
    快捷下载 游客一键下载
    会员登录下载
    微信登录下载
    三方登录下载: 微信开放平台登录   QQ登录  
    二维码
    微信扫一扫登录
    下载资源需要15金币
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc

    YY分析结束白噪声检验平稳性检验获得观察值序列NN差分运算拟合ARMA模型5.1.2 ARMA模型的求解与检验用sas求解的步骤与结果如下:数据的处理与模型的确认H1n1人数增加的趋势,该时间序列不平稳。原始数据一阶差分之后,方差随着时间不断地变大。但是 ,对该序列取自然对数并进行一阶差分后所的序列如图2,转换后数据比较平稳了。对序列,绘制自相关函数和偏自相关函数图(图3), Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 0.307143 1.00000 | |*| 0 Partial Autocorrelations Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 1 0.00890 | . | . | 2 -0.24533 | . *| . | 3 -0.10066 | . *| . | 4 -0.00144 | . | . | 5 -0.09838 | . *| . | 6 0.09997 | . |* . | 7 -0.08299 | . *| . |白噪声检查 Autocorrelation Check for White Noise To Chi- Pr > Lag Square DF ChiSq -Autocorrelations- 6 2.86 6 0.8264 0.009 -符合白噪声过程H1n1对数的自相关和偏相关图 Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error 0 1.658396 1.00000 | |*| 0 "." marks two standard errors Partial Autocorrelations Lag Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 1 0.82747 | . |* | 2 -0.13261 | . *| . | 3 -0.04033 | . *| . | 4 0.08262 | . |* . | 5 -0.11815 | . *| . | 6 0.02544 | . |* . | 7 0.00290 | . | . |从图3中可初步确定,此序列符合AR(1)。AG(1) Conditional Least Squares Estimation Standard Approx Parameter Estimate Error t Value Pr > |t| Lag AR1,1 1.00000 0.03037 32.92 <.0001 1 Number of Residuals 30 * AIC and SBC do not include log determinant. Factor 1: 1 - 1 B*(1)结论:模型最终拟合口径 X(t)=x(t-1)ARIMA(2,0,1)Conditional Least Squares Estimation Standard Approx Parameter Estimate Error t Value Pr > |t| Lag MA1,1 -0.82804 0.33915 -2.44 0.0217 1 AR1,1 0.37551 0.43489 0.86 0.3958 1 AR1,2 0.62449 0.44343 1.41 0.1709 2 Number of Residuals 29 Autoregressive Factors Factor 1: 1 - 0.37551 B*(1) - 0.62449 B*(2) Moving Average Factors Factor 1: 1 + 0.82804 B*(1)结论:模型最终拟合口径 X(t)= x(t-1)+ x(t-2)+e(t)+e(t-1) X(t)为序列,e(t)是随机误差从AIC BIC最小原则,多应该选择第一个模型AG(2),但是它是不符合实际意义的,h1n1肯定会上升一段之后降下来的。所以选择第二个模型ARMA(2,1)。:模型检验利用第二步所建模型,计算残差相关系数,如果模型合适,则残差应是一随机序列。LB统计量一列概率值都大于0.05,说明所有分布临界值,于是得到结论:模型的随机误差序列是一个白噪声序列。 Autocorrelation Check of Residuals To Chi- Pr > Lag Square DF ChiSq -Autocorrelations-:产生预测根据以上模型,对2009年5月18号到11月02号进行模拟,然后对后面6个时间单位的甲流感的确诊人数进行预测,由以下结果可以看出实际发病数与预测发病数比较吻合,并且对接下来的6个单位时间的甲流感确诊人数进行了预测,其结果见图5。 分析图5可知,自2009年5月18号到11月02号,甲流感确诊人数是递增的,自9月03号以后,如果不出现突发事件的话,全国甲流感确诊人数会随时间稍微下降,到达一个小低谷,但是很有可能,还会出现另一个更高的波峰。 Obs h1n1 date 31 592.692 2009-11-02 32 638.131 2009-11-07 33 609.361 2009-11-12 34 627.170 2009-11-17 35 615.987 2009-11-22 36 622.946 2009-11-27 37 618.590 2009-12-02 38 621.305 2009-12-07 39 619.607 2009-12-12:模型缺陷AR(2)不具有长期记忆功能,只能进行短期的预测,长期预测会趋于一个常数均值,明显是不适合h1n1的特点的附录:Sas程序和数据;/*数据读入和处理成最总数据机的过程*/PROC IMPORT OUT= WORK.h1n1 DATAFILE= "E:h1n1.xls" DBMS=EXCEL2000 REPLACE; SHEET="Sheet1$" GETNAMES=YES;RUN;data b;format date yymmdd10.;set h1n1;year=year(date);year=2009;month=month(date);day=day(date);date=mdy(month,day,year);drop year month day f5 ;run;/*缺失值处理*/*累计的平摊*/data c;set b;retain q 1;if q=0 then hsum=0;hsum+h;if mod(_n_,5)=0 then q=0;else q=1;run;data g;set c;if mod(_n_,5)=0 and hsum=0 then output;run;data g;set g;t=_n_;t2=t*2;t3=t*3;run;/*处理部分*/data difvar;set g;dif=dif(hsum);/*一届差分*/r2=dif*2;/*一届差分的平方*/y=log(hsum);/*对数*/dify=dif(y);/*对数一届差分*/;proc gplot;/*原始散点图,一届差分显示方差不齐,放大一届差分的不齐,一届对数,一届对数方差齐性: */plot hsum*date dif*date r2*date y*date dify*date;symbol c=black i=join v=none;proc arima;/*原始和对数的残差 白噪声检查:对数拟合 比较好*/identify var=y;/*对数*/estimate p=1 noint;/*没有常数项 (AR(2) p=1 ARMA(2,1)p=2 q=1) */forecast lead=10 id=date out=out2;data out2;format date1 yymmdd10.;merge difvar out2;by date;retain date1 '31may2009'd;date1+5;estimate=exp(forecast);/*对数估计值的反对数*/proc gplot;/*拟合*/plot hsum*date1=1 estimate*date1=2 /overlay;symbol1 c=black i=none v=star h=;symbol2 c=red i=join v=none;run;quit;proc print data=out2;var estimate date1;run;datethsum5-191115-2810125-2911355-3012385-31133116-1141126-2151136-3164176-4170176-5185226-6191236-7200236-8211246-9220246-10233276-11244316-12252336-13264376-14274416-15285466-16291476-17309566-18317636-193210736-20337806-2134311116-2235111226-2336191416-2437151566-253871636-2639211846-2740302146-2841192336-294272406-304382487-144202687-24592777-346122897-447153047-54813057-649223277-75053327-85152897-95263437-105363497-115423517-125533547-135673617-1457273887-155873957-1659114067-1760164227-1861184407-1962104507-2063124627-2164154777-22657-23667-2467305077-25687-26697-2770175247-287145287-297245327-307355377-317455428-17505428-27635458-37715438-47835498-57975568-68025588-78135618-88245658-98355708-108405708-118555758-128625778-138755828-1488276078-1589136208-169066268-179106268-1892146408-1993126528-2094266788-2195166948-2296267208-239777278-249827298-2599267558-26100127678-27101177848-28102198038-29103198228-3010418238-3110528259-1106128379-2107168539-3108348879-4109179049-5110729769-611129789-7112139919-81138110729-91147111439-101157112149-1111611113259-121176113869-131187714639-141193715009-151203615369-161216115979-1712212617239-181239-191249-201259-2112619219159-221279-231289-241299-251309-261319-271329-2813350224179-291349-3013510-113610-213710-313810-413910-514010-614110-714210-814310-914410-1014510-1114610-12147434285110-1314810-1414910-1515010-1615110-1715210-1815310-19154326317710-2015510-2115610-2215710-2315810-2415910-2516010-26161332350910-2716210-2816310-2916410-3016510-3116611-116711-2168552406111-3169

    注意事项

    本文(广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc)为本站会员(e****s)主动上传,淘文阁 - 分享文档赚钱的网站仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知淘文阁 - 分享文档赚钱的网站(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于淘文阁 - 版权申诉 - 用户使用规则 - 积分规则 - 联系我们

    本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

    工信部备案号:黑ICP备15003705号 © 2020-2023 www.taowenge.com 淘文阁 

    收起
    展开