应用时间序列分析实验指导书
应用时间序列分析 实验指导书
目录SAS基本操作实验一时间序列的SAS基本操作1使用DATA步创建SAS数据集1.1创建临时数据集..1.2创建永久数据集，21.3查看数据集..2.32时间序列数据集的处理，2.1时间间隔函数的使用.32.2序列变换，.42.3子集52.4缺失值插值5实验二时间序列的预处理6.61绘制时序图2平稳性与纯随机性检验.72.1平稳性检验.2.2纯随机性检验..9实验三平稳时间序列分析.9.15实验四非平稳时间序列随机分析1拟合ARIMA模型..152拟合Auto-Regressive模型.182.1建立数据集，绘制时序图..182.2因变量关于时间的回归模型..19.222.3延迟因变量回归模型..3拟合GARCH模型.24实验五非平稳时间序列确定性分析.291拟合线性趋势.292拟合非线性趋势.303X—11过程...33.354Forecost过程..38Eviews基本操作..1
1 目录 SAS 基本操作 .1 实验一 时间序列的 SAS 基本操作 .1 1 使用 DATA 步创建 SAS 数据集 .1 1.1 创建临时数据集.1 1.2 创建永久数据集.2 1.3 查看数据集.2 2 时间序列数据集的处理 .3 2.1 时间间隔函数的使用.3 2.2 序列变换.4 2.3 子集.5 2.4 缺失值插值.5 实验二 时间序列的预处理 .6 1 绘制时序图 .6 2 平稳性与纯随机性检验 .7 2.1 平稳性检验.7 2.2 纯随机性检验.9 实验三 平稳时间序列分析 .9 实验四 非平稳时间序列随机分析 .15 1 拟合 ARIMA 模型 .15 2 拟合 Auto-Regressive 模型 .18 2.1 建立数据集，绘制时序图.18 2.2 因变量关于时间的回归模型.19 2.3 延迟因变量回归模型.22 3 拟合 GARCH 模型 .24 实验五 非平稳时间序列确定性分析 .29 1 拟合线性趋势 .29 2 拟合非线性趋势 .30 3 X—11 过程.33 4 Forecost 过程.35 Eviews 基本操作 .38
实验一时间序列的预处理38.381建立数据集.2绘制时序图.403纯随机性检验.414单位根检验..42.44实验二平稳时间序列1建立数据集..442平稳性检验462.1绘制时序图..462.2单位根检验463模型识别.. 484.模型参数估计.505模型的显著性检验.536模型预测.55实验三ARIMA模型.581绘制时序图，.591.1建立数据集，.591.2平稳性检验..60.612差分序列，建立ARIMA模型.6533.12阶差分序列纯随机性检验，..653.2模型识别..663.3参数估计..67.683.4对残差序列进行检验..694模型优化5%模型预测.70实验四残差自回归模型（一）.71..721绘制时序图：.722因变量关于时间的Auto-Regressive模型，2.1拟合因变量关于时间的Auto-Regressive模型..72.732.2对残差序列拟合模型..773拟合延迟因变量的Auto-Regressive模型3.1拟合延迟因变量的Auto-Regressive模型..773.2拟合残差序列模型782
2 实验一 时间序列的预处理 .38 1 建立数据集 .38 2 绘制时序图 .40 3 纯随机性检验 .41 4 单位根检验 .42 实验二 平稳时间序列 .44 1 建立数据集 .44 2 平稳性检验 .46 2.1 绘制时序图.46 2.2 单位根检验.46 3 模型识别 .48 4 模型参数估计 .50 5 模型的显著性检验 .53 6 模型预测 .55 实验三 ARIMA 模型 .58 1 绘制时序图 .59 1.1 建立数据集.59 1.2 平稳性检验.60 2 差分序列 .61 3 建立 ARIMA 模型 .65 3.1 2 阶差分序列纯随机性检验 .65 3.2 模型识别.66 3.3 参数估计.67 3.4 对残差序列进行检验.68 4 模型优化 .69 5 模型预测 .70 实验四 残差自回归模型（一） .71 1 绘制时序图 .72 2 因变量关于时间的 Auto-Regressive 模型 .72 2.1 拟合因变量关于时间的 Auto-Regressive 模型.72 2.2 对残差序列拟合模型.73 3 拟合延迟因变量的 Auto-Regressive 模型 .77 3.1 拟合延迟因变量的 Auto-Regressive 模型.77 3.2 拟合残差序列模型.78
实验五残差自回归模型（二）791绘制时序图..792建立因变量关于时间的线性回归模型803检验残差序列的相关性与异方差性，.80.813.1自相关性检验.3.2异方差性检验.814残差自回归模型，.83.845条件异方差模型，..86实验六确定性模型，1X-11季节模型..861.1建立数据集.861.2使用X-11过程进行季节调整..872构建X-12-ARIMA模型.89.903模型预测903.1简单指数平滑预测..923.2两参数指数平滑预测3.3Holt-Winters三参数指数平滑预测.94实验七季节模型.951简单季节模型.971.1绘制时序图。.971.2差分平稳化。.97.991.3模型拟合.2乘积季节模型.103106实验八协整分析1绘制时序图，107单位根检验。.1082福2.1x的单位根检验1082.2y的单位根检验..109.1103建立协整模型.1103.1协整检验3.2建立协整模型.112参考文献113
3 实验五 残差自回归模型（二） .79 1 绘制时序图 .79 2 建立因变量关于时间的线性回归模型 .80 3 检验残差序列的相关性与异方差性 .80 3.1 自相关性检验.81 3.2 异方差性检验.81 4 残差自回归模型 .83 5 条件异方差模型 .84 实验六 确定性模型 .86 1 X-11 季节模型.86 1.1 建立数据集.86 1.2 使用 X-11 过程进行季节调整.87 2 构建 X-12-ARIMA 模型 .89 3 模型预测 .90 3.1 简单指数平滑预测.90 3.2 两参数指数平滑预测.92 3.3 Holt-Winters 三参数指数平滑预测 .94 实验七 季节模型 .95 1 简单季节模型 .97 1.1 绘制时序图.97 1.2 差分平稳化.97 1.3 模型拟合.99 2 乘积季节模型 .103 实验八 协整分析 .106 1 绘制时序图 .107 2 单位根检验 .108 2.1 x 的单位根检验 .108 2.2 y 的单位根检验 .109 3 建立协整模型 .110 3.1 协整检验.110 3.2 建立协整模型.112 参考文献 .113
SAS基本操作实验一时间序列的SAS基本操作一、实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS软件使用方法。二、实验内容：使用DATA步创建SAS数据集，时间序列数据集的处理。三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。四、实验时间：1小时。五、实验软件：SAS系统。六、实验步骤1使用DATA步创建SAS数据集1.1创建临时数据集data examplel_l;input timemonyy7.price;formattime monyy5.;cards;5101jan200582feb200566mar200535apr2005may200531jun20057"run;实验结果：timeprice1JANO5101FEBO5822MAR0566335APRO54315MAY0576JUNO5实验分析：提交这个程序开始运行，运行结束后一个名为exampl_1的临时数1
1 SAS 基本操作 实验一 时间序列的 SAS 基本操作 一、实验目的：了解时间序列分析的基本步骤，熟悉 SAS/ETS 软件使用方法。 二、实验内容：使用 DATA 步创建 SAS 数据集，时间序列数据集的处理。 三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。 四、实验时间：1 小时。 五、实验软件：SAS 系统。 六、实验步骤 1 使用 DATA 步创建 SAS 数据集 1.1 创建临时数据集 data example1_1; input time monyy7. price; format time monyy5. ; cards; jan2005 101 feb2005 82 mar2005 66 apr2005 35 may2005 31 jun2005 7 ; run; 实验结果： 实验分析：提交这个程序开始运行，运行结束后一个名为 examp1_1 的临时数