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；...
