应用时间序列分析第章答案VIP免费

1/12河南大学:姓名:汪宝班级:七班学号:1122314451班级序号:685:我国1949年－2008年年末人口总数(单位:万人)序列如表4－8所示(行数据)．选择适当的模型拟合该序列的长期数据，并作5期预测。解：具体解题过程如下：（本题代码我是做一问写一问的）1:观察时序图:datawangbao4_5;inputx@@;time=1949+_n_-1;cards;5416755196563005748258796602666146562828646536599467207662076585967295691727049972538745427636878534806718299285229871778921190859924209371794974962599754298705100072101654103008104357105851107507109300111026112704114333115823117171118517119850121121122389123626124761125786126743127627128453129227129988130756131448132129132802;procgplotdata=wangbao4_5;plotx*time=1;symbol1c=blackv=stari=join;run;分析:通过时序图,我可以发现我国1949年－2008年年末人口总数(随时间的变化呈现出线性变化.故此时我可以用线性模型拟合序列的发展．Xt=a+bt+Itt=1,2,3,⋯,60E(It)=0,var(It)=σ2其中，It为随机波动；Xt=a+b就是消除随机波动的影响之后该序列的长期趋势。2/122:进行线性模型拟合：procautoregdata=wangbao4_5;modelx=time;outputout=outp=wangbao4_5_cup;run;procgplotdata=out;plotx*time=1wangbao4_5_cup*time=2/overlay;symbol2c=redv=nonei=joinw=2l=3;run;分析：由上面输出结果可知：两个参数的p值明显小于0.05，即这两个参数都是具有显著非零，4：模型检验又因为RegressR-square=totalR-square=0.9931,即拟合度达到99.31%所以用这个模型拟合的非常好。5：结论所以本题拟合的模型为：Xt=-2770828+1449t+Itt=1,2,3,⋯,60E(It)=0,var(It)=σ23/126：作5期预测procforecastdata=wangbao4_5method=stepartrend=2lead=5out=outoutfulloutest=est;idt;varx;procgplotdata=out;plotx*time=_type_/href=2008;symbol1i=nonev=starc=black;symbol2i=joinv=nonec=red;symbol3i=joinv=nonec=blackl=2;symbol4i=joinv=nonec=blackl=2;run;6：爱荷华州1948-1979年非农产品季度收入数据如表4——9所示（行数据），选择适当的模型拟合该序列的长期趋势。解：具体做题过程如下：（本题代码我是做一问写一问的）1、绘制时序图datawangbao4_6;inputx@@;time=_n_;cards;601604620626641642645655682678692707736753763775775783794813823826829831830838854872882903919937927962975995100110131021102810271048107010951113114311541173117811831205120812091223123812451258127812941314132313361355137714161430145514801514154515891634166917151760181218091828187118921946198320132045204820972140217122082272231123492362244224792528257126342684279028902964308531593237335834893588362437193821393440284129420543494463459847254827493950675231540854925653582859654/12;procgplotdata=wangbao4_6;plotx*time;symbolc=blackv=stari=join;run;分析;可知时序图显示该序列有明显的曲线递增趋势。尝试使用修正指数型模型进行迭代拟合：ttbcax+?t，t=1，2，⋯，1282、拟合模型procnlinmethod=gauss;modelx=a+b*c**time;parametersa=0.1b=0.1c=1.1;outputpredicted=xhatout=out;run;NLIN过程输出以下六方面信息：（1）迭代过程5/12（2）收敛状况（本次迭代收敛）（3）估计信息摘要（4）主要统计量（5）参数信息摘要得到的拟合模型为：t0307.12.1128.604ttxt=1，2，⋯，128（6）近似相关矩阵6/123、拟合效果为了直观看出拟合效果，我们可以将原序列值和拟合值联合作图：procgplotdata=out;plotx*t=1xhat*t=2/overlay;symbol1c=blackv=stari=join;symbol2c=redv=nonei=join;分析：由上图图我们可以看出，原序列值和拟合值很接近，拟合效果较好。综合以上的分析，我们可以选择模型：t0307.12.1128.604ttx来拟合该序列的长期趋势。拟合效果很不错。8:某城市1980年1月至1995年8月每月屠宰生猪的数量（单位：头）如表4—11所示（行数据），选择适当的模型拟合该序列的发展，并预测1995年9月至1997年9月该城市的生猪屠宰量。解：具体解题过程如下：（本题代码我...