【正文】 目 錄實驗一 分析太陽黑子數(shù)序列3實驗二 模擬AR模型4實驗三 模擬MA模型和ARMA模型6實驗四 分析化工生產(chǎn)量數(shù)據(jù)8實驗五 模擬ARIMA模型和季節(jié)ARIMA模型10實驗六 分析美國國民生產(chǎn)總值的季度數(shù)據(jù)13實驗七 分析國際航線月度旅客總數(shù)數(shù)據(jù)16實驗八 干預模型的建模19實驗九 傳遞函數(shù)模型的建模22實驗十 回歸與時序相結合的建模25太陽黑子年度數(shù)據(jù)28美國國民收入數(shù)據(jù)29化工生產(chǎn)過程的產(chǎn)量數(shù)據(jù)30國際航線月度旅客數(shù)據(jù)30洛杉磯臭氧每小時讀數(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 實驗一 分析太陽黑子數(shù)序列一、實驗目的：了解時間序列分析的基本步驟，熟悉SAS/ETS軟件使用方法。二、實驗內(nèi)容：分析太陽黑子數(shù)序列。三、實驗要求：了解時間序列分析的基本步驟，注意各種語句的輸出結果。四、實驗時間：2小時。五、實驗軟件：SAS系統(tǒng)。六、實驗步驟開機進入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)與時間的關系圖，初步識別序列，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。 識別模型，輸入如下程序。 提交程序，觀察輸出結果。初步識別序列為AR(2)模型。 估計和診斷。輸入如下程序： 提交程序，觀察輸出結果。假設通過了白噪聲檢驗，且模型合理，則進行預測。 進行預測，輸入如下程序：1 提交程序，觀察輸出結果。1 退出SAS系統(tǒng)，關閉計算機?？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:(殘差檢驗為白噪聲)(BIC信息量最小原則),選取顯著有效的參數(shù) 實驗二 模擬AR模型一、 實驗目的：熟悉各種AR模型的樣本自相關系數(shù)和偏相關系數(shù)的特點，為理 論學習提供直觀的印象。二、 實驗內(nèi)容：隨機模擬各種AR模型。三、 實驗要求：記錄各AR模型的樣本自相關系數(shù)和偏相關系數(shù)，觀察各種序列 圖形，總結AR模型的樣本自相關系數(shù)和偏相關系數(shù)的特點四、 實驗時間：2小時。五、 實驗軟件：SAS系統(tǒng)。六、 實驗步驟開機進入SAS系統(tǒng)。 模擬實根情況，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。觀察樣本自相關系數(shù)和偏相關系數(shù)，輸入輸入如下程序，并提交程序。
作為作業(yè)把樣本自相關系數(shù)和偏相關系數(shù)記錄下來。 估計模型參數(shù)，并與實際模型的系數(shù)進行對比，即輸入如下程序，并提交。 模擬虛根情況，模擬過程。重復步驟37即可（但部分程序需要修改，請讀者自己完成）。 模擬AR(3)模型，模擬過程。重復步驟37即可(但部分程序需要修改，請讀者自己完成).回到graph窗口觀察各種序列圖形的異同1退出SAS系統(tǒng),關閉計算機.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。 實驗三 模擬MA模型和ARMA模型一、 實驗目的：熟悉各種MA模型和ARMA模型的樣本自相關系數(shù)和偏相關系數(shù) 的特點，為理論學習提供直觀的印象。二、 實驗內(nèi)容：隨機模擬各種MA模型和ARMA模型。三、 實驗要求：記錄各MA模型和ARMA模型的樣本自相關系數(shù)和偏相關系數(shù)， 觀察各序列的異同，總結MA模型和ARMA模型的樣本自相關系 數(shù)和偏相關系數(shù)的特點四、 實驗時間：2小時。五、 實驗軟件：SAS系統(tǒng)。六、 實驗步驟 開機進入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。 觀察樣本自相關系數(shù)和偏相關系數(shù)，輸入輸入如下程序，并提交程序。 估計模型參數(shù)，并與實際模型的系數(shù)進行對比，即輸入如下程序，并提交。 模擬情況，模擬過程。重復步驟37即可（但部分程序需要修改，請讀者自己完成）。 模擬情況，模擬過程。重復步驟37即可（但部分程序需要修改，請讀者自己完成）。 模擬情況，模擬過程。重復步驟37即可（但部分程序需要修改，請讀者自己完成）。 模擬ARMA模型，模擬過程。重復步驟37即