1 应 用 时 间 序 列 分 析 实 验 报 告 实验名称 第四章 非平稳序列的确定性分析 一、上机练习（就是每章最后一节上机指导部分） 1 . 拟合线性趋势 在SAS 系统中REG（回归）过程与AUTOREG（自回归）过程都可以进行时间序列线性趋势拟。假定我们要分析的数据存于临时数据集ex ample4_1 中，要拟合的线性回归模型为x =a+bt，相关命令如下 : data example4_1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc autoreg data=example4_1; model x=t; run; 运行该程序输出结果如下： 该输出窗口共输出三方面的信息。 （ 1） 因变量的名称，本例中因变量为x 。 2 （ 2） 普通最小二乘估计相关统计量，该部分输出信息如下表： SSE（误差平方和） DFE（误差平方和的自由度） MSE（均方误差） Root MSE（均方根误差） SBC（ SBC 信息量） AIC（ AIC 信息量） Regress R-Squrae（只针对回归模型的r 平方） Total-R-Square（包括自回归误差过程在内的整体模型的r 平方） Durbin-watson（ DW 统计量） （ 3）参数估计值。该部分从左到右输出的信息分别是：变量名、自由度、估计值、估计值的标准差、t 值以及统计量大于t 值得近似概率P 值。 2 .拟合非线性趋势 在SAS 系统中有一个ULIN（非线性）过程可以进行时间序列非线性趋势拟合。假如我们要分析的数据存于临时数据集example4_2 中，要拟合的非线性回归模型x=at+b^t,则相关命令如下： data example4_2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc nlin method=gauss; model x=a*t+b**t; parameters a=0.1 b=1.1; der.a=t; der.b=t*b**(t-1); output predicted=xhat out=out; run; （ 1）“ proc nlin method=gauss;”指令系统采用GAUSS 迭代法进行非线性参数估计。 （ 2）“ model x=a*t+b**t;”告诉系统拟合模型结构。 （ 3）“ parameters a=0.1 b=1.1;”告诉系统待估参数是哪些，并给出待估参数的迭代初始值。 （ 4）“ der.a=t;der.b=t*b**(t-1);”给出待估参数的一阶导函数，以便于迭代计算。 （ 5）“ output predicted=xhat out=out;”输出部分结果到临时数据集OUT， 输出内容包括时间t...
