sas編程技術(shù)sql從多個(gè)表中檢索數(shù)據(jù)-預(yù)覽頁
【正文】 使用連接語句 JOIN從多個(gè)表中檢索數(shù)據(jù) 最基本的連接就是兩個(gè)表的簡單連接。 如果沒有另外說明，本章的 PROC SQL語對(duì)表和視圖都適用。 quit。 內(nèi)部連接 數(shù)據(jù)格式 Proc sql。 select * from , where =。 select * from as a, as b where =。 order by level。 從多于兩個(gè)表的數(shù)據(jù)集中查詢數(shù)據(jù) 例 簡單的多表連接。 股票代碼 |Sto 最新股票名稱 | 收盤價(jià) |Close ck Code Latest Stock Name Price 000002 萬科 A 000002 萬科 A 000002 萬科 A 不同形式的外部連接 語句格式 From tablename LEFT JOIN | RIGHT JOIN | FULL JOIN 左外部連接 proc sql。 右外部連接 proc sql。 完全外部連接 proc sql。 MERGE語句和 JOIN連接比較 所有行匹配無重復(fù)值情況 兩個(gè)表中的 by變量的值都相等且沒有重復(fù)值的時(shí)候，可以使用一個(gè)內(nèi)部連連接來產(chǎn)生同樣的效果。 by code。Table MERGE139。 title 39。 有重復(fù)值情況 當(dāng)用來連接兩個(gè)表的列變量或者 BY組中有重復(fù)值時(shí)， Merge和 Proc sql的處理方式有所區(qū)別。 by code。Table MERGE339。Table Merge339。 產(chǎn)生單個(gè)值的子查詢 例 考慮例 。 Select * From a Where code eq (select code from b where assistant=39。 Proc sql。 proc sql。1jan202039。 quit。 title 39。 A UNION B x y 1 one 2 two 3 three 4 four 產(chǎn)生只屬于第一個(gè)查詢的觀測(cè) (EXCEPT算符 ) proc sql。 quit。 select * from A intersect select * from B。 select * from A outer union select * from B。 本節(jié)中介紹的 ARMA模型 (autoregressive moving average models)可以用來研究這些經(jīng)濟(jì)變量的變化規(guī)律 ， 這樣的一種建模方式屬于時(shí)間序列分析的研究范疇 。因此，經(jīng)濟(jì)時(shí)間序列需要對(duì)均值和方差給出明晰的定義。 ??)( tuE2)v a r ( ??tu 對(duì)所有的 t 對(duì)所有的 t 對(duì)所有的 t 和 s sstt uuE ??? ??? ? ))((() () () 167。 當(dāng) p=0 時(shí) ， ARMA(0, q) = MA(q) 當(dāng) q = 0時(shí) ， ARMA(p, 0) = AR(p) qtqttptptt uucu ???? ???????? ??????? ?? 1111167。 式 ()可以改寫為滯后算子多項(xiàng)式的形式 可以證明如果 AR(p)模型滿足平穩(wěn)性條件 ， 則式 ()可以表示為 MA(?)的形式 ， 從而可以推導(dǎo)出來任何一個(gè)AR(p)模型均可以表示為白噪聲序列的線性組合 。 01)( 221 ??????? pp zzzz ??? ?() ARMA模型構(gòu)造了一種更為復(fù)雜的白噪聲序列的線性組合 ， 近似逼近一個(gè)平穩(wěn)序列 。 例如 ， 估計(jì)因變量為 LS的一個(gè) 2階自回歸和 1階動(dòng)平均過程 ARMA(2,1)， 應(yīng)將 AR(1), MA(1), AR(2) 包含在回歸因子列表中： LS c ar(1) ar(2) ma(1) 如果采用公式法輸入方程 ， 要將 AR項(xiàng)系數(shù)明確列出 ，形式為： LS = c(1)+[ar(1)=c(2),ar(2)=c(3)]。 首先對(duì)其做變化率 ， srt = 100 (StSt1)/S t1（ t = 1, 2, ? , T） 這樣便得到了變化率序列 。 近年來波動(dòng)平緩 ， 并且大多在 3%下面波動(dòng) 。 如名所示 ， 這種殘差代表預(yù)測(cè)誤差 。對(duì)于簡單AR(1)模型， ?1是無條件殘差的一階序列相關(guān)系數(shù)。 tu? t?? 含有 AR或 MA項(xiàng)的模型的估計(jì)輸出和 OLS模型一樣 ，只是在回歸輸出的底部增加了一個(gè) AR， MA多項(xiàng)式的根的倒數(shù) （ inverted AR roots 或 inverted MA roots） 。 這種方法的優(yōu)點(diǎn)在于：易被理解 ， 應(yīng)用廣泛 ， 易被擴(kuò)展為非線性定義的模型 。有時(shí)當(dāng)?shù)_(dá)到最大值時(shí)，方程終止迭代，盡管還未達(dá)到收斂。 在 EViews提供的選項(xiàng)中 ， ARMA Options有幾項(xiàng)設(shè)置初值的選擇 。 用戶確定初值選項(xiàng)是 User Supplied。 系數(shù)向量 C按下列規(guī)則為變量安排系數(shù)： （ 1） 變量系數(shù) ， 以輸入為序； （ 2） 定義的 AR項(xiàng) ， 以輸入為序； （ 3） SAR， MA， SMA系數(shù) （ 按階數(shù) ） 。下面介紹利用 ut 的自相關(guān)系數(shù) (AC) 和偏自相關(guān)系數(shù) (PAC) 這兩個(gè)統(tǒng)計(jì)量去識(shí)別 ARMA(p, q) 模型。如果 rk 隨著滯后階數(shù) k 的增加而呈幾何級(jí)數(shù)減小，表明序列 ut 服從低階自回歸過程。 其中： ?t是均值為 0， 方差為 ? 2的白噪聲序列 ， ut的均值為 ?，則自 協(xié)方差 ?k 計(jì)算可得 () qkqkk????00() 2. MA模型的識(shí)別 MA(q)模型 qtqtttu ?? ????? ?????? ?11() ???????? ????????? ????? ?????????qiiktiktqjjtjttktk uu11E))(E( ??????????????????????? ??0)()1(1122212qkqkkqk ?????????? ??進(jìn)而得到 () 上式表明對(duì) MA(q)模型 ， 當(dāng) k q 時(shí) ， rk = 0。 因此 ， MA(q) 模型的偏自相關(guān)系數(shù)一定呈現(xiàn)出某種衰減的形式是拖尾的 。 例如 ， 對(duì)于 AR(1) 模型 ， 其自相關(guān)系數(shù)為 rk??1k ， 當(dāng) ?1 0時(shí) ， rk呈指數(shù)式的衰減；當(dāng) ?1 0時(shí) ， rk呈震蕩式的衰減 。 這里我們通過簡單的證明給出 AR(p)模型的偏自相關(guān)系數(shù) 。 因此 ， 可以通過識(shí)別 AR(p)模型的偏自相關(guān)系數(shù)的個(gè)數(shù) ， 來確定 AR(p) 模型的階數(shù) p， 進(jìn)而設(shè)定正確的模型形式 ， 并通過具體的估計(jì)方法估計(jì)出 AR(p) 模型的參數(shù) 。 具體的模型形式 ， 還要通過自相關(guān)和偏自相關(guān)系數(shù)給出的信息 ， 經(jīng)過 反復(fù)的試驗(yàn)及檢驗(yàn) ， 最終挑選出各項(xiàng)統(tǒng)計(jì)指標(biāo)均符合要求的模型形式 。由前面的知識(shí)可以判斷 CPI序列基本滿足 AR(1)過程。 圖 ?CPI序列方程殘差序列的相關(guān)圖
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1