时间序列分析第三章平稳时间序列分析报告

应 用 时 间 序 列 分 析 实 验 报 告实验名称 第三章 平稳时间序列分析 一、上机练习data example3_1;input x;time=_n_; cards;0.30 -0.45 0.036 0.00 0.17 0.45 2.154.42 3.48 2.99 1.74 2.40 0.11 0.960.21 -0.10 -1.27 -1.45 -1.19 -1.47 -1.34-1.02 -0.27 0.14 -0.07 0.10 -0.15 -0.36-0.50 -1.93 -1.49 -2.35 -2.28 -0.39 -0.52-2.24 -3.46 -3.97 -4.60 -3.09 -2.19 -1.210.78 0.88 2.07 1.44 1.50 0.29 -0.36-0.97 -0.30 -0.28 0.80 0.91 1.95 1.771.80 0.56 -0.11 0.10 -0.56 -1.34 -2.470.07 -0.69 -1.96 0.04 1.59 0.20 0.391.06 -0.39 -0.16 2.07 1.35 1.46 1.500.94 -0.08 -0.66 -0.21 -0.77 -0.52 0.05;proc gplot data=example3_1;plot x*time=1;symbol c=red i=join v=star;run;建立该数据集，绘制该序列时序图得：根据所得图像，对序列进行平稳性检验。时序图就是一个平面二维坐标图，通常横轴表示时间，纵轴表示序列取值。时序图可以直观地帮助我们掌握时间序列的一些基本分布特征。根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的围有界的特点。假如观察序列的时序图，显示出该序列有明显的趋势性或周期性，那它通常不是平稳序列。从图上可以看出，数值围绕在 0 附近随机波动，没有明显或周期，其本可以视为平稳序列，时序图显示该序列波动平稳。proc arima data=example3_1;identify var=x nlag=8;run; 图一 图二 样本自相关图 图三 样本逆自相关图 图四 样本偏自相关图 图五 纯随机检验图实验结果分析：（1）由图一我们可以知道序列样本的序列均值为-0.06595，标准差为 1.561613，观察值个数为 84个。（2）根据图二序列样本的自相关图我们可以知道该图横轴表示自相关系数，综轴表示延迟时期数，用水平方向的垂线表示自相关系数的大小。我们发现样本自相关图延迟 3 阶之后，自相关系数都落入 2 倍标准差围以，而且自相关系数向 0.03 衰减的速度非常快，延迟 5 阶之后自相关系数即在 0.03 值附近波动。这是一个短期相关的样本自相关图。所以根据样本自相关图的相关性质，可以认为该序列平稳。（3）根据图五的检验结果我们知道，在各阶延迟下 LB 检验统计量的 P 值都非常小（<0.0001），所以我们可以以很大的把握（置信水...