时间序列实验报告4

浙江大学城市学院实验报告

课程名称 时间序列分析

实验项目名称 时间序列的预处理 实验成绩 指导老师（签名 ） 日期 2015-4-13 一. 实验目的和要求

（1）深入理解时间序列平稳性检验和纯随机性检验的概念，掌握它们的统计性质，理解并掌握时间序列平稳性检验和纯随机性检验的统计检验原理。

（2）熟悉并且掌握使用gplot过程绘制时序图，并能通过时序图对时间序列的平稳性进行粗略判断。

（3）熟悉并且掌握ARIMA过程的IDENTIFY语句，会利用自相关图对时间序列的平稳性进行进一步的判断，并且会利用生成的纯随机性检验图对序列纯随机性进行判断。

二. 实验内容和原理

要求将sas代码及运行结果等写在实验报告上。

（1）教材第33页习题2.3的第一、二、三题的纯随机性检验（交word格式的作业，附代码，纯随机性从sas截图并解释）。 （2）教材第33页习题2.3的第四、五、六题（交word格式的作业，附代码，截图并解释）。 （3）尝试ADF检验（教材第230页，重新检验习题2.3的六道题目的平稳性）。

（1）1

data test1; input num@@; time=num; cards;

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ;

proc gplot data=test1; plot num*time;

symbol c=black v=none i=join; proc arima data=test1; identify var=num nlag=24; run;

从检验结果看，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。 2

data test; input co2@@;

time=intnx('month','01jan1975'd,_n_-1); format time monyy.; cards;

330.45 330.97 331.64 332.87 333.61 333.55 331.90 330.05 328.58 328.31 329.41 330.63 331.63 332.46 333.36 334.45 334.82 334.32 333.05 330.87 329.24 328.87 330.18 331.50 332.81 333.23 334.55 335.82 336.44 335.99 334.65 332.41 331.32 330.73 332.05 333.53 334.66 335.07 336.33 337.39 337.65 337.57 336.25 334.39 332.44 332.25 333.59 334.76 335.89 336.44 337.63 338.54 339.06 338.95 337.41 335.71 333.68 333.69 335.05 336.53 337.81 338.16 339.88 340.57 341.19 340.87 339.25 337.19 335.49 336.63 337.74 338.36 ;

proc gplot data=test; plot co2*time;

symbol c=black v=none i=join; proc arima data=test;

identify var=co2; run;

从检验结果看，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。 3

data test; input rain@@;

time=intnx('month','01jan1945'd,_n_-1); format time monyy.; cards; 69.3 38.4 96.8

80.0 52.3 61.5

40.9 68.6 55.6

74.9 37.1

84.6

101.1 225.0 95.3

100.6 48.3

31.064.835.3

144.5 28.3

148.6 218.7 131.6 112.8 81.8

181.6 73.9 136.9 31.5

47.5

70.1

171.7 220.5 119.4 63.2

174.8 124.0 86.4

166.9 48.0

105.2 89.9 80.5

62.5

112.3 43.0

158.2 7.6 165.9 106.7 92.2

63.2

26.2

77.0

137.7 80.5 160.8 97.0

52.3 105.4 144.3 49.5 116.1 54.1 148.6 159.3 85.3 67.3

;

proc gplot data=test; plot rain*time;

symbol c=black v=none i=join; proc arima data=test; identify var=rain; run;

112.8 59.4

从检验结果看，当延迟期数m=6时，p值>0.05，认为序列是纯随机的，所含信息量少；当延迟期数m=12，18时，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。

（2） 1

m=6时，QBP?1.59?m=12时，QBP?4.57?2?0.95(6)?1.635，接受原假设，认为该序列是纯随机的； 2?0.95(12)?5.226，接受原假设，认为该序列是纯随机的。

综上可得，该序列是纯随机序列。

2

（1）时序图

sales3002001000JAN00MAR00MAY00JUL00SEP00NOV00JAN01MAR01MAY01JUL01SEP01NOV01JAN02MAR02MAY02JUL02SEP02NOV02JAN03MAR03MAY03JUL03SEP03NOV03JAN04time 自相关图

（2）从时序图可以看出该序列以年为周期呈现出规则的周期性，基本保持平稳。从自相关图可以看到该序列的自相关数延迟期数3之后基本控制在2倍的标准差范围，可以认为该序列都在零轴附近波动，是平稳序列。 （3）

从检验结果可以看到，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。 3

data test; input x@@; y=dif(x);

time=intnx('month','01jan1969'd,_n_-1); format time monyy.; cards;

10 15 10 10 12 10 7 7 10 14 8 17 14 18 3 9 11 10 6 12 14 10 25 29 33 33 12 19 16 19 19 12 34 15 36 29 26 21 17 19 13 20 24 12 6 14 6 12 9 11 17 12 8 14 14 12 5 8 10 3 16 8 8 7 12 6 10 8 10 5 ;

proc gplot data=test;

plot x*time=1 y*time=2;

symbol1 c=black v=none i=join; symbol2 c=blue v=none i=join; proc arima data=test; identify var=x nlag=24; proc arima data=test; identify var=y nlag=24; run;

（1）

x403020100JAN69APR69JUL69OCT69JAN70APR70JUL70OCT70JAN71APR71JUL71OCT71JAN72APR72JUL72OCT72JAN73APR73JUL73OCT73JAN74APR74JUL74OCT74JAN75time 从自相关图看，该序列的自相关系数一直都比较小，延迟期数达到4之后始终控制在2倍的标准差范围以内，认为该序列在零轴附近波动，是平稳序列。

从检验结果看，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。

（2）

y3020100-10-20-30JAN69APR69JUL69OCT69JAN70APR70JUL70OCT70JAN71APR71JUL71OCT71JAN72APR72JUL72OCT72JAN73APR73JUL73OCT73JAN74APR74JUL74OCT74JAN75time

从自相关图看，该序列的自相关系数一直都比较小，延迟期数达到2之后始终控制在2倍的标准差范围以内，认为该序列在零轴附近波动，是平稳序列。

从检验结果看，p值<0.05，拒绝纯随机的原假设，认为该序列没有纯随机性，信息量大。

（3）

2-6单位根检验：

data test; input x@@; y=dif(x);

time=intnx('month','01jan1969'd,_n_-1); format time monyy.; cards;

10 15 10 10 12 10 7 7 10 14 8 17 14 18 3 9 11 10 6 12 14 10 25 29 33 33 12 19 16 19 19 12 34 15 36 29 26 21 17 19 13 20 24 12 6 14 6 12 9 11 17 12 8 14 14 12 5 8 10 3 16 8 8 7 12 6 10 8 10 5 ;

proc gplot data=test; plot x*time=1 y*time=2;

symbol1 c=black v=none i=join; symbol2 c=blue v=none i=join; proc arima data=test; identify var=x nlag=24; proc arima data=test; identify var=y nlag=24; proc arima data=test;

identify var=x stationarity=(adf=3); identify var=y stationarity=(adf=3); run;

当显著性水平为0.05时，根据p值可以判序列x是不平稳序列。

当显著性水平为0.05时，根据p值可以判序列y是平稳序列。

本文来源：https://www.bwwdw.com/article/4af3.html