广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc
《广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc》由会员分享,可在线阅读,更多相关《广东省H1N1(甲流) sas 时间序列模型 拟合和预测.doc(11页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、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.
2、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- P
3、r 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
4、 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
5、.00000 0.03037 32.92 |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
6、-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-
7、: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-
8、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; S
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 广东省H1N1甲流 sas 时间序列模型 拟合和预测 广东省 H1N1 甲流 时间 序列 模型 拟合 预测
限制150内