sas編程技術(shù)sql從多個(gè)表中檢索數(shù)據(jù)(編輯修改稿)
2024-09-24 17:30 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 select * from B。 quit。 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。 title 39。A EXCEPT B39。 select * from A except select * from B。 quit。 A EXCEPT B x y 3 three 從多個(gè)查詢中產(chǎn)生公共部分 (INTERSECT算符 ) proc sql。 title 39。A INTERSECT B39。 select * from A intersect select * from B。 A INTERSECT B x y 1 one 2 two 直接連接查詢結(jié)果 (OUTER UNION算符 ) proc sql。 title 39。A OUTER UNION B39。 select * from A outer union select * from B。 A OUTER UNION B x y x z 1 one . 2 two . 2 two . 3 three . . 1 one . 2 two . 4 four 輸出結(jié)果顯示為： 167。 平穩(wěn)時(shí)間序列建模 本節(jié)將不再僅僅以一個(gè)回歸方程的擾動(dòng)項(xiàng)序列為研究對(duì)象 ， 而是直接討論一個(gè)平穩(wěn)時(shí)間序列的建模問題 。 在現(xiàn)實(shí)中很多問題 ， 如利率波動(dòng) 、 收益率變化及匯率變化等通常是一個(gè)平穩(wěn)序列 ， 或者通過差分等變換可以化成一個(gè)平穩(wěn)序列 。 本節(jié)中介紹的 ARMA模型 (autoregressive moving average models)可以用來(lái)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 。 經(jīng)濟(jì)時(shí)間序列不同于橫截面數(shù)據(jù)存在重復(fù)抽樣的情況，它是一個(gè)隨機(jī)事件的惟一記錄，如中國(guó)1980年～ 2020年的進(jìn)出口總額是惟一的實(shí)際發(fā)生的歷史記錄。從經(jīng)濟(jì)的角度看，這個(gè)過程是不可重復(fù)的。橫截面數(shù)據(jù)中的隨機(jī)變量可以非常方便地通過其均值、方差或生成數(shù)據(jù)的概率分布加以描述，但是在時(shí)間序列中這種描述很不清楚。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。 167。 平穩(wěn)時(shí)間序列的概念 如果隨機(jī)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(gè)隨機(jī)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(cè)值之間的間隔長(zhǎng)度 s有關(guān)，而與時(shí)期 t 無(wú)關(guān)。一般所說的“平穩(wěn)性”含義就是上述的弱平穩(wěn)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。 ARMA模型 1. 自回歸模型 AR(p) p 階自回歸模型記作 AR(p)， 滿足下面的方程： () 其中：參數(shù) c 為常數(shù)； ?1 , ?2 ,… , ?p 是自回歸模型系數(shù)；p為自回歸模型階數(shù)； ?t 是均值為 0， 方差為 ? 2 的白噪聲序列 。 tptpttt uuucu ???? ?????? ??? ?2211 2. 移動(dòng)平均模型 MA(q) q 階移動(dòng)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(dòng)平均模型的系數(shù)； ?t 是均值為 0， 方差為 ? 2的白噪聲序列 。 qtqtttu ?? ????? ?????? ?11 3. ARMA(p,q)模型 () 顯然此模型是模型 ()與 ()的組合形式 ， 稱為混合模型 ， 常記作 ARMA(p,q)。 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。 ARMA模型的平穩(wěn)性 1. AR(p)模型的平穩(wěn)性條件 為了理解 AR(p)、 MA(q)和 ARMA(p,q)模型的理論結(jié)構(gòu) ，簡(jiǎn)單的算子理論是必不可少的 。 對(duì)于 AR(p)模型 () 設(shè) L為滯后算子 ， 則有 Lut ? ut1, Lput ? utp， 特別地 ， L0ut?ut。 則式 （ ） 可以改寫為： tptpttt uuucu ???? ?????? ??? ?2211ttpp cuLLL ???? ?????? )1( 221 ?() 若設(shè) ?(L) ? 1 ?1 L ?2 L2 … ?p Lp ， 令 () 則 ?(z) 是一個(gè)關(guān)于 z的 p次多項(xiàng)式 ， AR(p) 模型平穩(wěn)的充要條件是 ?(z) 的根全部落在單位圓之外 。 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(lái)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 ??? ?Φtt cuL ???)(Φ() 2． MA(q) 模型的可逆性 考察 MA(q) 模型 若 的根全部落在單位圓之外 ， 則式 ()的 MA算子稱為可逆的 。 盡管不可逆時(shí)也可以表征任何給定的數(shù)據(jù) ， 但是一些參數(shù)估計(jì)和預(yù)測(cè)算法只有在使用可逆表示時(shí)才有效 。 tqqt LLLu ????? )1( 221 ?????? ?() ???????????? ttEt
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1