【正文】 目 錄實(shí)驗(yàn)一 分析太陽黑子數(shù)序列3實(shí)驗(yàn)二 模擬AR模型4實(shí)驗(yàn)三 模擬MA模型和ARMA模型6實(shí)驗(yàn)四 分析化工生產(chǎn)量數(shù)據(jù)8實(shí)驗(yàn)五 模擬ARIMA模型和季節(jié)ARIMA模型10實(shí)驗(yàn)六 分析美國(guó)國(guó)民生產(chǎn)總值的季度數(shù)據(jù)13實(shí)驗(yàn)七 分析國(guó)際航線月度旅客總數(shù)數(shù)據(jù)16實(shí)驗(yàn)八 干預(yù)模型的建模19實(shí)驗(yàn)九 傳遞函數(shù)模型的建模22實(shí)驗(yàn)十 回歸與時(shí)序相結(jié)合的建模25太陽黑子年度數(shù)據(jù)28美國(guó)國(guó)民收入數(shù)據(jù)29化工生產(chǎn)過程的產(chǎn)量數(shù)據(jù)30國(guó)際航線月度旅客數(shù)據(jù)30洛杉磯臭氧每小時(shí)讀數(shù)的月平均值數(shù)據(jù)31煤氣爐數(shù)據(jù)35芝加哥某食品公司大眾食品周銷售數(shù)據(jù)37牙膏市場(chǎng)占有率周數(shù)據(jù)39某公司汽車生產(chǎn)數(shù)據(jù)44加拿大山貓數(shù)據(jù)44 實(shí)驗(yàn)一 分析太陽黑子數(shù)序列一、實(shí)驗(yàn)?zāi)康模毫私鈺r(shí)間序列分析的基本步驟，熟悉SAS/ETS軟件使用方法。二、實(shí)驗(yàn)內(nèi)容：分析太陽黑子數(shù)序列。三、實(shí)驗(yàn)要求：了解時(shí)間序列分析的基本步驟，注意各種語句的輸出結(jié)果。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟開機(jī)進(jìn)入SAS系統(tǒng)。 創(chuàng)建名為exp1的SAS數(shù)據(jù)集，即在窗中輸入下列語句： 保存此步驟中的程序，供以后分析使用（只需按工具條上的保存按鈕然后填寫完提問后就可以把這段程序保存下來即可）。 繪數(shù)據(jù)與時(shí)間的關(guān)系圖，初步識(shí)別序列，輸入下列程序：ods html。ods listing close。 run。提交程序，在graph窗口中觀察序列，可以看出此序列是均值平穩(wěn)序列。 識(shí)別模型，輸入如下程序。 提交程序，觀察輸出結(jié)果。初步識(shí)別序列為AR(2)模型。 估計(jì)和診斷。輸入如下程序： 提交程序，觀察輸出結(jié)果。假設(shè)通過了白噪聲檢驗(yàn)，且模型合理，則進(jìn)行預(yù)測(cè)。 進(jìn)行預(yù)測(cè)，輸入如下程序：1 提交程序，觀察輸出結(jié)果。1 退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)?？偝绦颍篸ata exp1。infile D:\。input a1 @@。year=intnx(39。year39。,39。1jan174239。d,_n_1)。format year year4.。proc print。run。ods html。ods listing close。proc gplot data=exp1 。 symbol i=spline v=dot h=1 cv=red ci=green w=1。 plot a1*year/autovref lvref=2 cframe=yellow cvref=black 。 title 太陽黑子數(shù)序列。run。 proc arima data=exp1。 identify var=a1 nlag=24 minic p=(0:5) q=(0:5)。 estimate p=3。 forecast lead=6 interval=year id=year out=out。run。proc print data=out。run。選取擬合模型的規(guī)則:(殘差檢驗(yàn)為白噪聲)(BIC信息量最小原則),選取顯著有效的參數(shù) 實(shí)驗(yàn)二 模擬AR模型一、 實(shí)驗(yàn)?zāi)康模菏煜じ鞣NAR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)，為理 論學(xué)習(xí)提供直觀的印象。二、 實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種AR模型。三、 實(shí)驗(yàn)要求：記錄各AR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，觀察各種序列 圖形，總結(jié)AR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)四、 實(shí)驗(yàn)時(shí)間：2小時(shí)。五、 實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、 實(shí)驗(yàn)步驟開機(jī)進(jìn)入SAS系統(tǒng)。 模擬實(shí)根情況，模擬過程。 在edit窗中輸入如下程序： 觀察輸出的數(shù)據(jù)，輸入如下程序，并提交程序。觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，輸入輸入如下程序，并提交程序。
作為作業(yè)把樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)記錄下來。 估計(jì)模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。 模擬虛根情況，模擬過程。重復(fù)步驟37即可（但部分程序需要修改，請(qǐng)讀者自己完成）。 模擬AR(3)模型，模擬過程。重復(fù)步驟37即可(但部分程序需要修改，請(qǐng)讀者自己完成).回到graph窗口觀察各種序列圖形的異同1退出SAS系統(tǒng),關(guān)閉計(jì)算機(jī).總程序:title。data a。 x1=。 x2=。 do i=50 to a=rannor(32565)。 x=*x1+*x2。 x2=x1。 x1=x。 output。 end。 run。proc print data=a。 var x。 proc gplot data=a。symbol i=spline c=red。 plot x*i/haxis=50 to 255 by 20。 run。quit。proc arima data=a。 identify var=x nlag=10 minic p=(0:3) q=(0:3) outcov=exp1。 estimate p=2 noint。run。 proc gplot data=exp1。symbol i=needle width=6。plot corr*lag。run。proc gplot data=exp1。symbol i=needle width=6。plot partcorr*lag。run。 實(shí)驗(yàn)三 模擬MA模型和ARMA模型一、 實(shí)驗(yàn)?zāi)康模菏煜じ鞣NMA模型和ARMA模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù) 的特點(diǎn)，為理論學(xué)習(xí)提供直觀的印象。二、 實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種MA模型和ARMA模型。三、 實(shí)驗(yàn)要求：記錄各MA模型和ARMA模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)， 觀察各序列的異同，總結(jié)MA模型和ARMA模型的樣本自相關(guān)系 數(shù)和偏相關(guān)系數(shù)的特點(diǎn)四、 實(shí)驗(yàn)時(shí)間：2小時(shí)。五、 實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、 實(shí)驗(yàn)步驟 開機(jī)進(jìn)入SAS系統(tǒng)。模擬情況，模擬過程。3 在edit窗中輸入如下程序：觀察輸出的數(shù)據(jù)序列，輸入如下程序，并提交程序。 觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，輸入輸入如下程序，并提交程序。 估計(jì)模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。 模擬情況，模擬過程。重復(fù)步驟37即可（但部分程序需要修改，請(qǐng)讀者自己完成）。 模擬情況，模擬過程。重復(fù)步驟37即可（但部分程序需要修改，請(qǐng)讀者自己完成）。 模擬情況，模擬過程。重復(fù)步驟37即可（但部分程序需要修改，請(qǐng)讀者自己完成）。 模擬ARMA模型，模擬過程。重復(fù)步驟37即