时间序列分析实验报告(3).doc
时间序列分析课 程实 验 报 告项目名称：非平稳序列确定性分析组员姓名：李菲指导教师：牛宪华完成日期:201 年 4 月 2日一、上机练习(P24)1、拟合线性趋势12、79 14、0 12、9218、7 21、2 18、8125、73 6、272、75 28、7 31、71 33、9程序：aa xiti1；iput x；=_n_；rs；1、14、02 2、92 18、221、2 18、8125、73 、2726、75 2、3 3、71 3、5；prc glt daa=xiti1；plot xt；syolc=re v=sar ioin;u;pautoreg dtaii1；mode xt；utput prict=xhatut=u；run；pro glt data=ou；pt xt=1 at*t=2/overlay;smbl2c=gree v=sta i=join;run;运行结果:分析：上图为该序列得时序图,可以瞧出其具有明显得线性递增趋势,故使用线性模型进行拟合:ta+，=,2，3，,12分析：上图为拟合模型得参数估计值，其中a=9、7086,=1、929,它们得检验P值均小于0、00,即小于显著性水平0、05，拒绝原假设,故其参数均显著。从而所拟合模型为：xt9、786+1、829t、分析:上图中绿色得线段为线性趋势拟合线，可以瞧出其与原数据基本吻合。2、拟合非线性趋势1、85 7、4 、293、02 7、274、7 140、8128、2314、264、25 4113、73 8212、21 160、95程序：datxii2;input x；t=_n_；cars；1、5 7、814、29 2、023、474、2 10、7265、8 58、23 40、27 264、25 13、38212、1 165、95;poc gplot a=xiti2；plot*t；symol c=red =tai=none；u；p nl mthd=gaus;e =a*t;parametr a=0、1 b、1；der、a=b*t；dr、batb()；output edictd=h outou;r;procgpot ata=ou；ot xt=1 xht=2overl；sybol c=ree vn=join；run；运行结果：分析:上图为该时间序列得时序图，可以很明显得瞧出其基本就是呈指数函数趋势慢慢递增得,故我们可以选择指数型模型进行非线性拟合：xt=at+It，t1,2,，,1分析:由上图可得该拟合模型为：xt=1、03091、58tIt分析:图中得红色星号为原序列值，绿色得曲线为拟合后得拟合曲线，可以瞧出原序列值与拟合值基本上就是重合得,故该拟合效果就是很好得。3. -11过程4077 4178 3160 4587197 446 4438 7237315 4344843 684833 43548 43 410745 4526 45039 479447404500 667 45487 464 4755 0184635 4760 4883205485 537 5159 5150451 5294 54638802399 5457850 61978程序：dtaxii;inp ;t=tn（qater，'jan7,_n_1）；rt t yq4、;crs;407774178 310 45891947 440614438 47237335 396 4443 468354343548 4637 47074252 43526 409 44043740 504679378 4623 4755 50318454 470 48883 526548275237 5159 120451524 56358025399 5775850 197；proc gplot da=xi3;plot *t；symol =red v=tari=on;run；po x11 da=xi3；quarter ate；ar ；tput utout b=x d10=sesn 11=djustedd12=ed13=irr；dta out；se ot;etimate=trend*seaso10;oc plot data=out；plo t=1etite*2/over;po djstedt=1 trd*t=1irt1；symbo1 c=red i= ji =sar;symbl2cbac i nne =star；run；运行结果：分析：上图为该序列得时序图，可以很明显得瞧出其具有长期增长趋势,且具有季节波动,故我们用X-11过程进行拟合。分析：上图为季节调整后得序列值时序图。分析：上图为趋势拟合值序列时序图.分析：上图为不规则波动值得时序图。分析:上图中得红色线段为原序列值，黑色星星为拟合值，可以由图中瞧出该拟合值与原序列值基本上就是重合得,故该拟合效果很好。4、Forecost过程程序：dat xit4;iputx;1949+n_-1；ars;77741784316 5891944061 478 47374315 49644843 4683542833 435 4463471425243526 45039 47934 45007 4667 4954487846234 7055 03186354 260 488 2605452537 1 551525045 29 5463 58825390 5547 57850 678;prc gplot data=xit;plt xt;symb=ed v=str i=jn；un;procfcastdata=xii ethod=spr tend=2 d= t=outoutul outes=et;id t;varx;ru；prc gpt data=out;lt xt=_ty_/hef=08；symo i=jin star =blac；smbl2 joinv=no c=gre；smbl3 i=jon v=none c=r;smbol4 =join v=nne c;r；分析：由该序列得时序图可知，其具有长期趋势，且含有季节效应，趋势特征基本为线性趋势，即trend2、分析:由上表可以很明显得瞧到每一年得与序列值、预测值，还有预测得后面六期预测值得9置信区间。分析：此表为预测过程中相关参数及拟合效果，可以瞧到RQURE0、，拟合效果很好。分析:上图为预测效果图，其中绿色得线段表示预测值,红色得代表预测得5期值得95%置信区间,黑色得为原序列，可以瞧出其预测效果很好。二、课后习题7. 某地区1962970年平均每头奶牛得月度产奶量数据（单位：磅）具体数据详见书P2358 5 40 56 77 697 60 59 56 57 53 260 56 63 673 742 76 66 617 8 8 6 9862 1888 70577073 67 639 64 611 59 634658 62 09 2 782 76 702 53 65 52160 635 635 736 55 81 9 73 697 66 66 65 6713 667 62 784 87 816 722 681 687 660 691 66 775 796 58 826 83 74 01 706 677 113 690 8 805 715 80 76 725 2 690 73475 707 87 86 9 819 783 740 47 71 1(1）绘制该序列得时序图,直观考察该序列得特点。程序：data ianx;ipux;t=nx('month,'1an162'd，_n_-1);rattdt、；cds；5856 4 56 727 697 60 9 58 57 3 82600 56 653 673 2 716 60 17 83 587 55 59628 618 88 705 770 736 6 639 04 1154 63465862 709 22 782 56 702 653 61 52 62 635677 35736 75 11 798 735 697661 667 645 8713 67762 74 7 77 72 68 68 687 96 75 796 58 826 783 740 701 76 77 7134 690 78 0 81 45 01 764 725 723 690 734750 707 07 824 886 859 819 783 740 4 71171;oc gplot dat=lanxi1；lot x；symbo c=red v=st=jin;run;分析：由上图得时序图可以很明显得瞧出该序列具有长期得增长趋势，且具有明显得季节效应。（2）使用因素分解方法，拟合该序列得发展，并预测下一年该地区奶牛得月度产奶量。程序:procorecas atliai1 methd=stpar tend2ea1 ut=t ufull outes=est；id t；var ；run;dt u;eo;t=nnx（'th,1an1962'd，_n_-1)；roc plt dataou；plo xt_type_;symbl1ijin =star c=lk;symbli=joi =nonecgree；symol3 i=join v=oe ed；smboiovne c=e;u;分析:上图绿色得为拟合趋势图,后面得1个月就为所预测得1年得奶牛产奶量，上下两条红色得线为5%执行区间,黑色得为原序列时序图，故可以瞧出该拟合趋势与原序列基本重合,故后面得预测结果也比较可信. (3）使用1方法,确定该序列得趋势。程序：po x1data=iani1;mnthl at=t;va x；output out=out b1 d=sason 11=adjused d1=rend 13=rr;dataout;st t;etimte=trnseason0；roc gplo daa=o;plot x*t=1 estmate*=2/oay；ptadjusedtrent=ir*t1；symbol c=red i= oiv=tar；yoc=bac =on =st；un;分析：上图中,红色得代表原序列,黑色得代表拟合得序列，可以瞧出除了在66年1月份左右有一点区别外,其余得基本上都与原序列重合，故该拟合效果很好.8、某城市190年1月至1995年8月每月屠宰生猪数量(单位:头)（数据详见书P23）选择适当地模型拟合该序列得发展，并预测199年月至197年9月该城市生猪屠宰数量.ata ni2;inpu；t=ntnx（oth，1jan8'd，_n_-1）;fomat t dat、；crs；6378 1947 33 964281008495411104 10031 9413 130595 01457 7681291 9164396 102736 10264 1041 97079540 9168 015910956476892773 9521 93779820 972100306 94089 8 7799 356 11703 8122857 10675 919214111095 9780 105386 96479 9758109490 11099097 989817188 477 107 11696 11432 010 67 195 03312 1208403069 103351 1331 10611111599944 1018785333 8670 005618946 892652719 7498 4846 781729 8446 86978 758789571 772 6177357 6322 9380 7832731 559719072 70133 7925 850588 86852 9069 79556 174 6698228 3445 76131 86082 7543 73969 139 8466669776034069 883 75640 755422 75345 70347858 79769758 7074 758 84100 976689051903 847477451 1900163 8979 81022 7865 77271 8504 418 79563 5770927 101244 11452 119 9386 511 10183 1092 102643 18387977 901 9033 887323759 67 3928 943 310 91055 106062 3560104075 10178393791 1213 841 35410901 96499 10430 10002 918196 1007 10599 976410493088905 89936 10672 84307 114896 106749 7892 1000;rc gpot daa=lianxi2；lt *t;smboc=red =strijoin;rn;roc frecs daa=inx2 metd=tepa ten=1 ead=4 out=ot outfullotet=et；i ;vrx;r；da ou；et out;t=itnx（mont，'1jan1980,_n_-1）;prc gpo dtaout;ptx=_ty；symol1 i=oi=ta =black；symoli=join =none c=gee；smbol3 join v=one c=red；syol4 ijo vne c=red；rn;分析:上图为该时间序列得时序图,可以很明显得瞧出该序列无长期趋势，但在每一年当中由季节性变化。分析:上图为预测得2年趋势图,红色得为95置信区间,其中由绿色线与黑色线得情况可知该拟合效果还就是比较可信得，基本得趋势大致就是一样。三、 实验体会针对不同得问题，首先要根据原序列得时序图分析后得到大致得拟合方案,然后才进行拟合。只有自己动手做了之后,才会发现不同得方法拟合出来得效果就是不一样得，有时也需要我们对不同得方法进行拟合,最后选择自己认为最好得方法.同时在做得过程中也会出现一些问题，这就需要我们找出问题在哪里,然后给与解决.总之,通过此次试验，我还就是学到了很多。
