精品文档---下载后可任意编辑上机指导第五章 拟合 ARIMA 模型由于 ARMA 模型是 ARIMA 模型的一种特例,所以在 SAS 系统中这两种模型的拟合都放在了 ARIMA 过程中。我们已经在第 3 章进行了 ARMA 模型拟合时介绍了 ARIMA 过程的基本命令格式。再次以临时数据集 example5_1 的数据为例介绍 ARIMA 模型拟合与 ARMA 模型拟合的不同之处。 data example5_1; input x@@; difx=dif(x); t=_n_; cards; proc gplot; plot x*t difx*t; symbol v=star c=black i=join;run;输出时序图显示这是一个典型的非平稳序列。如图 5-49 所示精品文档---下载后可任意编辑图 5-49 序列 x 时序图考虑对该序列进行 1 阶差分运算,同时考察查分后序列的平稳性,在原程序基础上添加相关命令,程序修改如下: data example5_1; input x@@; difx=dif(x); t=_n_; cards; proc gplot; plot x*t difx*t; symbol v=star c=black i=join; proc arima; identify var=x(1); estimate p=1; forecast lead=5 id=t ;精品文档---下载后可任意编辑 run;语句说明:(1)DATA 步中的命令“difx=dif(x);”,这是指令系统对变量 x 进行 1 阶差分,差分后的序列值赋值给变量 difx。其中 dif()是差分函数,假如要差分的变量名为 x,常见的几种差分表示为:1 阶差分:dif(x)2 阶差分:dif(dif(x))k 步差分:difk(x)(2)我们在 GPLOT 过程中添加绘制了一个时序图“difx*t”,这是为了直观考察 1 阶差分后序列的平稳性。所得时序图如图 5-50 所示。图 5-50 序列 difx 时序图时序图显示差分后序列 difx 没有明显的非平稳特征。(3)“identify var=x(1);”,使用该命令可以识别查分后序列的平稳性、纯随机性和适当的拟合模型阶数。其中 x(1)表示识别变量 x 的 1 阶差分后序列。SAS 支持多种形式的差分序列识别:var=x(1),表示识别变量 x 的 1 阶查分后序列 Δxt;var=x(1,1),表示识别变量 x 的 2 阶查分后序列 Δ2xt;var=x(k),表示识别变量 x 的 k 步差分后序列 Δkxt;var=x(k,s),表示识别变量 x 的 k 步差分后,再进行 s 步查分后序列 ΔsΔkxt。识别部分的输出结果显示 1 阶查分后序列 difx 为平稳非白噪声序列,且具有显著的自精品文档---下载后可任意编辑相关系数不截尾、偏自相关系数 1 截尾的性质。(4)“estimate p=1;...