時(shí)間序列分析上機(jī)操作題(參考版)
2025-03-28 03:33本頁面
【正文】 （6） 擬合優(yōu)度統(tǒng)計(jì)量信息。（5） 關(guān)玉預(yù)測模型的參數(shù)估計(jì)信息。這些信息分為三部分：（4） 關(guān)于序列的基本信息。run。symbol3 i=join v=none c=green l=2。symbol1 i=none v=star c=black。proc gplot data=out。id t。圖9 該序列的時(shí)序圖通過時(shí)序圖可以看出，此序列具有曲線趨勢，故我們采用曲線來擬合此模型。symbol1 i=join v=none c=blavk。proc gplot。cards。input x。選擇合適的模型擬合該序列的發(fā)展，并預(yù)測1995年9月至1997年9月該城市生豬屠宰數(shù)量。這說明X11過程對季節(jié)效應(yīng)和趨勢信息的提取更加充分。圖 6 季節(jié)調(diào)整后的序列圖可以看出奶牛的月產(chǎn)量剔除季節(jié)效應(yīng)之后有著非常明顯的線性遞增趨勢。run。symbol1 c=black i=join v=star。plot x*t=1 estimate*t=2/overlay。estimate=trend*saeson/100。data out。var x。proc x11 data=example4_3。cards。1jan196239。monthly39。input x。在編輯窗口輸入以下命令，然后運(yùn)行后可得到以下幾個(gè)表和圖。圖5 19621970年平均每頭奶牛的月度產(chǎn)奶量的時(shí)序圖通過時(shí)序圖，我們可以發(fā)現(xiàn)19621970年平均每頭奶牛的月度奶產(chǎn)量隨著月度的變動(dòng)有著非常明顯的規(guī)律變化，此外該序列有線性遞增趨勢，故此時(shí)序圖具有“季節(jié)”效應(yīng)。symbol1 c=red I=join v=star。proc gplot data=example4_3。cards。d, _n_1)。,39。time=intnx (39。data example4_3。 （2）使用X11方法，確定該序列的趨勢。圖4 FORECAST過程預(yù)測效果圖7. 某地區(qū)19621970年平均每頭奶牛的月度產(chǎn)奶量數(shù)據(jù)（單位：磅）如下表。線性模型的常數(shù)估計(jì)值、線性模型的斜率、殘差自回歸的參數(shù)估計(jì)值。序列樣本個(gè)數(shù)、非缺失數(shù)據(jù)個(gè)數(shù)、擬合模型自由度、殘差標(biāo)準(zhǔn)差。表14 FORECAST過程OUTSET命令輸出數(shù)據(jù)集圖示此表可以查看預(yù)測過程中相關(guān)參數(shù)及擬合效果。run。symbol3 i=join v=none c=green l=2。symbol1 i=none v=star c=black。proc gplot data=out。id t。該部分從左到右輸出的信息分別是：變量名、自由度、估計(jì)值、估計(jì)值的標(biāo)準(zhǔn)差、t值以及統(tǒng)計(jì)量的t值的近似概率P值。（2） 普通最小二乘統(tǒng)計(jì)量，誤差平方和、均方誤差、SBC信息量、回歸模型的R^DW統(tǒng)計(jì)量、誤差平方和的自由度、均方根誤差、AIC信息量、包括自回歸誤差過程在內(nèi)的整體模型R^2。run。在接著在編輯窗口輸入以下命令，運(yùn)行程序：proc autoreg data=example5_1。run。plot x*t=1。54167 55196 56300 57482 58796 60266 61465 6282864653 65994 67207 66207 65859 67295 69172 7049972538 74542 76368 78534 80671 82992 85229 8717789211 90859 92420 93717 94974 96259 97542 98705100072 101654 103008 104357 105851 107507 109300 111026112704 114333 11
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號(hào)-1