【正文】 rom tablename INNER JOIN tablename ON sqlexpression proc sql。 select , from a, b, c where = and = and =。 quit。 Table a Table b code manager code Assitant 145 Max 145 Tracy 150 Jack 150 Yao 155 Paul 155 Chen 程序如下 ： data merge1。 Table MERGE1 code manager Assitant 145 Max Tracy 150 Jack Yao 155 Paul Chen Merge在合并前的兩個數(shù)據(jù)集已經(jīng)按 code排過序，而 PROC SQL則不需要排序，下面程序給出和上面同樣的結(jié)果。 Table newone Table newtwo code Manager code Assistant 145 Max 145 Jerry 145 Xam 145 Tracy 155 Paul 155 Chen Data步 data merge3。 Table Merge3 code Manager Assitant 145 Max Jerry 145 Xam Tracy 155 Paul Chen 若用 SQL，則會出現(xiàn)下面的結(jié)果： Proc sql。 Title 39。 quit。31dec202039。 select * from A union select * from B。 title 39。 平穩(wěn)時間序列建模 本節(jié)將不再僅僅以一個回歸方程的擾動項序列為研究對象 ， 而是直接討論一個平穩(wěn)時間序列的建模問題 。 平穩(wěn)時間序列的概念 如果隨機過程 的均值和方差、自協(xié)方差都不取決于 t，則稱 {ut}是協(xié)方差平穩(wěn)的或弱平穩(wěn)的： },{ 12101 ????? ??? TTt uuuuuuu 注意，如果一個隨機過程是弱平穩(wěn)的，則 ut 與 uts 之間的協(xié)方差僅取決于 s ，即僅與觀測值之間的間隔長度 s有關(guān)，而與時期 t 無關(guān)。 對于 AR(p)模型 () 設(shè) L為滯后算子 ， 則有 Lut ? ut1, Lput ? utp， 特別地 ， L0ut?ut。 ARMA(p,q)模型中 AR和 MA部分應(yīng)使用關(guān)鍵詞 ar和 ma定義。記上證股價指數(shù)變化率序列為 sr。 對于含有 ARMA項的模型，基于殘差的回歸統(tǒng)計量，如 R2和 。如果 MA模型滯后多項式的根的倒數(shù)有在單位圓外的，說明 MA過程是 不可逆 的，應(yīng)使用不同的初值重新估計模型，直到得到滿足可逆性的動平均。也可以試試不同的初值來保證估計是全部而不是局部平方誤差最小，可以通過提供初值加速估計過程。 為設(shè)置初值 ， 雙擊圖標 ， 打開系數(shù)向量 C窗口 ， 進行編輯 。因此，可以通過自相關(guān)系數(shù)來獲得一些有關(guān) AR(p) 模型的信息，如低階 AR(p) 模型系數(shù)符號的信息。 即 MA(q) 模型的自相關(guān)函數(shù)在 q 步以后是截尾的 。 但是 ， 對于自回歸過程 AR(p)， 自相關(guān)系數(shù)并不能幫助我們確定AR(p) 模型的階數(shù) p。 但是 ， 在實際操作中 ， 自相關(guān)系數(shù)和偏自相關(guān)系數(shù)是通過要識別序列的樣本數(shù)據(jù)估計出來的 ， 并且隨著抽樣的不同而不同 ， 其估計值只能同理論上的大致趨勢保持一致 ，并不能精確的相同 。從 圖 的 回歸方程的殘差序列 的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)可以看到不存在序列相關(guān)。 實際上用后面學(xué)到的單位根檢驗可知 CPI序列是一個非平穩(wěn)的序列 ， 但是它的一階差分序列 ?CPI是平穩(wěn)的 。 對于形如 ()的 p(p =1,2,… ,k,… )階方程組求解 ， 每個方程組的最后一個解就是相應(yīng)的偏自相關(guān)系數(shù) ?1,1, ?2,2 , … , ?k,k … 。 3. AR模型的識別 可以不加證明的給出 AR(p)過程的自相關(guān)系數(shù) kppkkk gggr ??? ???? ?2211 () 其中 ?1 , ?2 , … , ?p 是 AR(p) 模型的特征多項式 02211 ????? ?? pppp ?????? ?() 的 p個特征根 ， g1 , g2 , … , gp為任意給定的 p個常數(shù) 。一個純的 p 階自回歸過程 AR(p) 的偏相關(guān)系數(shù)在 p階截尾，而純的動平均函數(shù)的偏相關(guān)過程漸進趨于零。 ARMA模型的識別 1．利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)識別 ARMA(p, q) 模型 在實際研究中，通常的做法是根據(jù)經(jīng)濟指標時間序列數(shù)據(jù)的樣本特征，來推斷經(jīng)濟指標的總體（真實）特征。 另一選擇是使用 OLS或 TSLS系數(shù)的一部分作為初值 。 非線性估計方法對所有系數(shù)估計都要求初值。對于平穩(wěn) AR(1)模型， ?1在 1和 +1之間。 對例 （ 時間期間： 1991年 1月～2020年 8月 ） 的月度時間序列 S的對數(shù)差分變換 LS=dlog(S)，即股票收益率用 ARMA(1,1)模型來估計 ， 來說明 EViews是如何估計一個 ARMA(p， q)模型的 。 167。 盡管不可逆時也可以表征任何給定的數(shù)據(jù) ， 但是一些參數(shù)估計和預(yù)測算法只有在使用可逆表示時才有效 。 tptpttt uuucu ???? ?????? ??? ?2211 2. 移動平均模型 MA(q) q 階移動平均模型記作 MA(q) ， 滿足下面的方程： () 其中：參數(shù) ? 為常數(shù)；參數(shù) ?1 , ?2 ,… , ?q 是 q 階移動平均模型的系數(shù)； ?t 是均值為 0， 方差為 ? 2的白噪聲序列 。從經(jīng)濟的角度看，這個過程是不可重復(fù)的。 title 39。A EXCEPT B39。 Table A x y 1 one 2 two 2 two 3 Three 與 JOIN的橫向連接不同， SET連接是豎直的連接。A39。)。 quit。 proc print data=merge3 noobs。 select , , from a, b where =。 proc print data=merge1 noobs。 quit。 quit。 關(guān)鍵詞 INNER JOIN用于連接多個表的數(shù)據(jù)。 level china level usa 1 c02 1 u00 2 c03 2 u01 2 c03