2022年完整word版,SAS学习系列.时间序列分析Ⅰ—平稳性及纯随机性检验 .pdf

《2022年完整word版,SAS学习系列.时间序列分析Ⅰ—平稳性及纯随机性检验 .pdf》由会员分享，可在线阅读，更多相关《2022年完整word版,SAS学习系列.时间序列分析Ⅰ—平稳性及纯随机性检验 .pdf（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、37. 时间序列分析平稳性及纯随机性检验（一）基本概念一、什么是时间序列？为了研究某一事件的规律， 依据时间发生的顺序将事件在多个时刻的数值记录下来，就构成了一个时间序列。对时间序列进行观察、研究，找寻它变化发展的规律， 预测它将来的发展趋势就是时间序列分析。例如，国家或地区的年度财政收入， 股票市场的每日波动， 气象变化，工厂按小时观测的产量等等。注：随温度、高度等变化而变化的离散序列，也可以看作时间序列。二、时间序列的特点（1）顺序性；（2）随机性；（3）前后时刻（不一定相邻）的依存性；（4）整体呈趋势性和周期性。三、时间序列的分类按研究对象的数目：一元时间序列、多元时间序列；按序列统计特

2、性：平稳时间序列、非平稳时间序列；按分布规律：高斯时间序列、非高斯时间序列。四、研究方法名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 14 页 - - - - - - - - - 1. 平稳时间序列分析；2. 非平稳时间序列分析（确定性分析、随机性分析）。五、其它任何时间序列经过合理的函数变换后都可以被认为是由下列三部分叠加而成：（1）趋势项部分；（2）周期项部分；（3）随机项部分（随机信号、随机噪声）图 1. 四种趋势：线性、二次、指数增长、S 型例如，手机销售的月记

3、录按年增长（趋势项）；按季节周期波动（周期项）；随机信号和随机噪声。时间序列分析的主要任务就是：上面三部分分解出来， 是研究平稳随机过程的变化规律，建立特定的ARIMA 模型（要求大体平稳、可能含有周期但不能有规则性的线性指数等类型趋势项）。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 14 页 - - - - - - - - - 六、方法性工具1. 差分运算（1）k 步差分间隔 k 期的观察值之差： k=xt-xt-k（2）p 阶差分 xt=xt-xt-1称为一阶差分

4、；1110( 1)ppppiitttptp iixxxC x称为 p 阶差分；SAS 函数实现： diffn(x )2. 延迟算子延迟算子作用于时间序列， 时间刻度减小 1 个单位（序列左移一位） ： Bxt=xt-1, , Bpxt=xt-p.SAS 函数实现： lagn(x)用延迟算子表示 k 步差分和 p 阶差分为：k=xt-xt-k=(1-Bk) xt0()( 1)ppppitpt iixIBC x（二）平稳时间序列一、概念平稳时间序列按限制条件的严格程度，分为严平稳时间序列： 序列所有的统计性质都不会随着时间的推移而发生变化；名师资料总结 - - -精品资料欢迎下载 - - - -

5、- - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 14 页 - - - - - - - - - 宽平稳时间序列： 序列的主要性质近似稳定， 即统计性质只要保证序列的二阶矩平稳，即对任意的时间t，s，k，序列 Xt满足：二、平稳时间序列的统计性质（1）均值为常数；（2）自协方差只依赖于时间跨度；若定义自协方差函数为(t,s) = E(Xt-t)( Xs-s)则可由二元函数简化为一元函数(t-s)， 得延迟 k 自协方差函数：(k)= (t,t+k)由此易知平稳时间序列必具有常数方差：D(Xt)= E(Xt-t)2=(t,t)= (0

6、)时间序列自相关函数：()()( , )ttsstsE XXt sDXDX延迟 k 自相关函数：()()( )( )( )(0)(0)(0)ttt ktktt kE XXkkkDXDX基本性质：（1）(0)=1;（2）(-k)= (k);名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 14 页 - - - - - - - - - （3）自相关阵为对称负定阵；（4）非唯一性。注意：协方差函数和相关函数度量两个不同事件（Xt，Yt）彼此之间的相互影响的程度。自协方差函数和自相

7、关函数度量用一事件（Xt）在两个不同时期之间的相互影响的程度。三、样本估计值总体均值的估计值：延迟 k 自协方差函数的估计值：总体方差的估计值：延迟 k 自相关函数的估计值：名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 14 页 - - - - - - - - - 四、平稳性检验（1）时序图检验若无明显的趋势性和周期性，则平稳；（2）自相关图检验零均值平稳序列的自相关函数要么截尾要么拖尾；若时间序列零均值化后出现缓慢衰减或周期性衰减，则说明存在趋势性和周期性（非平稳）；

8、（3）单位根检验就是通过检验时间序列自回归特征方程的特征根是在单位圆内（平稳）还是在单位圆及单位圆外（非平稳）。通常用 ADF 检验法。Dickey 和 Fuller (1979)利用如下的广义自回归模型其中， xj,t表示 x 的一阶差分； xj,t-1表示延迟一期； xj,t-k表示延迟 k期再一阶差分； k,t表示扰动项。上述回归模型生成的xj,t-1的 t 值正好对应 ADF 统计量，做假设检验： H0: 非平稳； H1：平稳。 t 值在 1%, 5%, 10% 置信水平的临界值分别为： -3.524233, -2.902358, -2.588587. 以此判断序列是否平稳。注：若 X

9、t不平稳，可以依次对Xt做一阶、二阶差分，直到序列平稳。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 14 页 - - - - - - - - - 例 1. 平稳性检验 ADF 检验的 SAS 实现。代码：data simulation; do i=1 to100 ; x=rannor(1234 ); output; end ; run ; data timeseries; set simulation; x_1st_lag= lag1(x); x_1st_diff=

10、dif1(x); x_1st_diff_1st_lag= dif1(lag1(x); x_1st_diff_2nd_lag= dif1(lag2(x); x_1st_diff_3rd_lag= dif1(lag3(x); x_1st_diff_4th_lag= dif1(lag4(x); x_1st_diff_5th_lag= dif1(lag5(x); run ; procregdata =timeseries; model x_1st_diff = x_1st_lag x_1st_diff_1st_lag x_1st_diff_2nd_lag x_1st_diff_3rd_lag x_1s

11、t_diff_4th_lag x_1st_diff_5th_lag; run ; 运行结果：REG 过程模型: MODEL1 因变量 : x_1st_diff 读取的观测数100 使用的观测数94 具有缺失值的观测数6 方差分析源自由度平方和均方F 值 Pr F 模型6 111.38082 18.56347 15.25 F 校正合计93 217.26507 均方根误差1.10320 R 方0.5126 因变量均值0.02507 调整 R 方 0.4790 变异系数4399.76165 参数估计值变量自由度 参数估计值标准误差t 值 Pr |t| Intercept 1 -0.01634 0.1

12、1418 -0.14 0.8866 x_1st_lag 1 -0.70975 0.20949 -3.39 0.0011 x_1st_diff_1st_lag 1 -0.26217 0.19212 -1.36 0.1759 x_1st_diff_2nd_lag 1 -0.15780 0.17907 -0.88 0.3806 x_1st_diff_3rd_lag 1 -0.01973 0.16308 -0.12 0.9040 x_1st_diff_4th_lag 1 0.07067 0.13938 0.51 0.6134 x_1st_diff_5th_lag 1 0.00340 0.10591 0

13、.03 0.9745 x_1st_lag的 t 值 = -3.39 t0.05=-2.902358, （或从 P 值 = 0.0011 卡方自相关6 64.02 6 .0001 0.506 0.539 0.374 0.291 0.258 0.148 12 88.98 12 .0001 0.270 0.186 0.178 0.258 0.207 0.226 18 96.32 18 .0001 0.138 -0.027 -0.053 -0.112 -0.139 -0.155 24 137.26 24 卡方自相关6 29.46 6 .0001 -0.529 0.195 -0.080 -0.059 0

14、.092 -0.256 12 35.94 12 0.0003 0.216 -0.075 -0.070 0.101 -0.048 0.104 18 38.61 18 0.0032 0.075 -0.142 0.045 -0.032 -0.026 -0.022 24 57.43 24 0.0001 0.173 -0.214 0.129 -0.158 0.195 -0.165 延迟为 6、12 的检验 P 值均小于 0.05，故拒绝原假设，认为Yt为非纯随机序列（非白噪声序列） 。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 14 页，共 14 页 - - - - - - - - -