文档介绍：应用时间序列分析实验报告

上机练习(就是每章最后一节上机指导部分)

data example4_1;
input x@@;
t=_n_;
cards;

;
proc autoreg data=example4_1;
model x=t;
run;
实验结果:
实验分析:从该数据中可以确定a=,b=,故模拟的线性回归模型为x=+。

data example4_2;
input x@@;
t=_n_;
cards;

;
proc nlin method=gauss;
model x=a*t+b**t;
parameters a= b=;
=t;
=t*b**(t-1);
output predicted=xhat out=out;
proc gplot data=out;
plot x*t=1 xhat*t=2/overlay;
symbol1 c=black i=none v=star;
symbol2 c=red i=join v=none;
run;
实验结果:
NLIN过程输出迭代过程

NLIN过程输出估计信息

实验分析:。。,=,b=2,故得到的拟合模型为x=+2^t+ε。。为了直观的看出拟合结果,我们可以将原序列值和拟合值联合作图,,通过该图可以看出拟合效果是非常不错的
-11过程
data example4_3;
input x@@;
t=intnx ('quarter','1jan1978'd,_n_-1);
format t yyq4.;
cards;
40777 41778 43160 45897
41947 44061 44378 47237
43315 43396 44843 46835
42833 43548 44637 47107
42552 43526 45039 47940
43740 45007 46667 49325
44878 46234 47055 50318
46354 47260 48883 52605
48527 50237 51592 55152
50451 52294 54633 58802
53990 55477 57850 61978
;
proc x11 data=example4_3;
quarterly date=t;
var x;
output out=out b1=x d10=season d11=adjusted d12=trend d13=irr;
data out;
set out;
estimate=trend*season/100;
proc gplot data=out;
plot x*t=1 estimate*t=2/overlay;
plot adjusted*t=1
trend * t=1
irr*t=1;
symbol1 c=black i=join v=star;
symbol2 c=red i=join v=none w=2 l=3;
run;
实验结果:

实验分析:语句说明:(1)“proc x1 data=example4_3”,指令是对数据集example4_3进行x-11分析。(2)“quarterly date=t;”是告诉系统这是季度数据,变量t为时间变量名。(3)“var x;”告诉系统要进行季节调整的变量为x。(4)“output out=out b1=x d10=seas