时间序列整合分析一汇总VIP专享

精品文档---下载后可任意编辑2.时序图：（检验平稳性）3.自相关函数：（检验平稳性）4.计算标准正态分布的概率：5.计算标准正态分布的分位数：6.计算标准 t 分布的概率7.计算标准 t 分布的分位数8.计算标准 F 分布的概率9.计算标准 F 分布的分位数10.计算标准卡方分布的概率11.计算标准卡方分布的分位数12.方差的同齐性检验：将数据进行适当分组，这里将 4 个分为一组，一共四组Pr>F 的值大于 0.05 故接受 H0，认为各组方差之间没有显著的差异。13.方差的同质性检验：将数据进行适当分组，这里将 4 个分为一组，一共四组 根据上结果列出方差分析表：方差来源平方和自由度均方和F 值显著性A误差8783761403729320292792总和228210523 F 的 p 值小于 0.05 我们认为原始数据方差不同质。14.序列的白噪声检验（检验纯随机性）： 可以看出，LB(6)=95.84，其 p 值小于 0.05； LB(12)=190.40，其 p 值小于 0.05；显然该序列不是白噪声序列，即不是纯随机性序列。（p 值都大于 0.05 时才是纯随机序列）15.平稳序列的自相关函数和偏自相关函数的形式：（没有程序的）模型AR(p)MA(q)ARMA(p,q)ACF 自相关拖尾截尾拖尾PACF 偏自相关截尾拖尾拖尾16.一个例子：（利用平稳序列建模 进行预测） 我国 1975-2024 年 GDP 的年增长率为下表（数据略），对我国 1975-2024 年 GDP 的年增长率进行建模，并对 2024 至 2024 年我国的 GDP 增长率进行预测。 (1)首先画出我国 1975-2024 年 GDP 增长率的时序图。data ex;input x@@;t=_n_;cards;;procgplot;symboli=jiont v=dot;plot x*t;run;从图中直观的可以看出有奇异点（2）将奇异点看成缺省值，利用以下程序来求缺省点的值：data ex;input x@@;time=intnx('month','01jan1975'd,_n_-1);format time data;cards;8.7 .;procexpand data=ex out=ex1;id time;procprintdata=ex1;run;结果可知，缺省点的值为（3）利用修正后的数据再进行时序分析，根据以下程序：精品文档---下载后可任意编辑可以看出 GDP 增长率修正后的数据序列平稳。BIC（5,0）=-0.24488 的值最小，考虑建立 AR(5)模型。（4）模型的建立data ex;input x@@;time=intnx('month','01jan1975'd,_n_-1);format time year4.;cards;;procarima;identifyvar=x nlag=12minicp=(0:5) q=(0:5);estimatep=5;run;从上图中可以看出，有些参数不显著，我们将其去掉，建立最精干的模型。（其...