文档介绍：《时间序列分析》
上机教程
张凤宽
天津商业大学理学院统计系
2012年10月
目录
实验一模拟AR模型 3
3
3
3
开机进入SAS系统 3
(1)序列一 4
(1)序列二 6
(1)序列图形之间的差异 7
(2)序列一 7
8
(2)序列二 9
(3)序列 10
11
实验二模拟MA模型和ARMA模型 13
13
13
13
13
(2)序列一 13
(2)序列二 15
(2)序列三 17
(2)序列四 17
(2,2)序列 17
19
19
19
实验三模型定阶与参数估计一 19
19
19
19
19
19
19
25
实验四模型定阶与参数估计二 25
25
25
25
26
26
26
28
30
实验一模拟AR模型

直观了解AR模型的平稳性要求的含义,熟悉各种AR模型的样本自相关函数和偏自相关函数的特点,为理论学习提供直观印象。

随机模拟各种AR模型。观察各种AR序列的图形及其样本自相关函数和偏自相关函数,体会AR序列的平稳性含义及样本自相关函数和样本偏自相关函数的特点,总结如何判定时间序列的平稳性。

开机进入SAS系统

(1)序列一
要模拟的时间序列模型为:

在“编辑器”窗中输入如下程序:
data a;
x1=;
n=-50;
do i=-50 to 1000;
a=rannor(32565);
x=a+*x1;
x1=x;
n=n+1;
if i>0 then output;
end;
run;
[说明], j8函数rannor()取标准正态随机数,参数为种子。

,输入如下程序,并提交程序
proc print data=a;
var x;
proc gplot data=a;
symbol i=spline c=red;
plot x*n;
run;

(1)序列二
要模拟的时间序列模型为及
(但部分程序需要修改,请同学们自己完成)。

(1)序列图形之间的差异
为什么会出现这种差异?体会平稳域及平稳性要求的含义
(2)序列一
要模拟的时间序列模型为:
(但部分程序需要修改,请同学们自己完成)。

,并提交程序。
proc arima data=a;
identify var=x nlag=10 outcov=exp1;
run;
proc gplot data=exp1;
symbol i=needle width=6;
plot corr*lag;
run;
proc gplot data=exp1;
symbol i=needle width=6;
plot partcorr*lag;
run;
arima 分析和预测ARIMA模型/ARMA模型的SAS程序
var   设定时间序列变量。
6 l1 g: t# |3 Fnlag  设定计算自相关的时间间隔。观测值的数量必须大于等于nlag =的值。默认值nl