时间序列分析SAS软件实验报告：
以我国2002第一季度到2012年第一季度国内生产总值数据（季节效应模型）分析
班级：统计系统计0姓名：
学号：
指导老师：
20 年月日
时间序列分析报告
一、前言
【摘要】2012年3月5日温家宝代表国务院向大会作政府工作报告。温家宝在报告中提出，2012年国内生产总值增长7.5%。这是我国国内生产总值（GDP）预期增长目标八年来首次低于8%。
温家宝说，今年经济社会发展的主要预期目标是：国内生产总值增长7.5%；城镇新增就业900万人以上，城镇登记失业率控制在4.6%以内；居民消费价格涨幅控制在4%左右；进出口总额增长10%左右，国际收支状况继续改善。同时，要在产业结构调整、自主创新、节能减排等方面取得新进展，城乡居民收入实际增长和经济增长保持同步。
他指出，这里要着重说明，国内生产总值增长目标略微调低，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。提出居民消费价格涨幅控制在4%左右，综合考虑了输入性通胀因素、要素成本上升影响以及居民承受能力，也为价格改革预留一定空间。
对于这一预期目标的调整，温家宝解释说，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。
央行货币政策委员会委员李稻葵表示，未来若干年中国经济增长速度会有所放缓，这个放缓是必要的，是经济发展方式转变的一个必然要求。
【关键词】“十二五”规划目标国内生产总值增长率增速放缓提高发展质量附表：国内生产总值(2012年1季度)
绝对额（亿元）比去年同期增长（%）
国内生产总值107995.0 8.1
第一产业6922.0 3.8
第二产业51450.5 9.1
第三产业49622.5 7.5
注1：绝对额按现价计算，增长速度按不变价计算。注2：该表为初步核算数据。
GDP环比增长速度
环比增长速度（%）
2011年1季度 2.2
2季度 2.3
3季度 2.4
4季度 1.9
2012年1季度 1.8
注：环比增长速度为经季节调整与上一季度对比的增长速度。
此表是我国2012年第一季度国内生产总值及与2011年同期比较来源：前瞻网
为此，我系根据专业课学习情况组织学生分组学习我国经济发展情况，利用统计专业软件SAS 软件分析我国经济发展情况，特此，本人从同花顺数据库中心查找我国经济数据，以我国国内生产总值数据（从2002第一季度到2012年第一季度共11年41个数值）代表我国经济发展情况，并预测我国近5期国内生产总值。
二、数据来源
本文选取的数据是从同花顺数据中心下载的，数据跨越2002年到最近的2012年第一季度的（共11年41个数值）国内生成总值季节数据（如下表）：
季度
年份
第1季度 第2季度 第3季度 第4季度 2002 25375.7 27965.3 29715.7 37276.3 2003 28861.8 31007.1 33460.4 42493.7 2004 33420.6 36985.3 39561.7 49910.4 2005 38848.6 42573.9 44562.4 57883 2006 45315.8 50112.7 51912.8 68973.1 2007 54755.9 61243 64102.2 85709.2 2008 66283.8 74194 76548.3 97019.3 2009 69816.92 78386.68 83099.73 109599.48 2010 82496.2 92383 97289.4 129344.4 2011 97101.2 108674.2
115443.7
150344.6
2012
107995
数据来源：同花顺数据中心
三、数据分析
对序列进行做时序图，在SAS 软件输入代码，输出结果如图1：
product
20000
30000400005000060000700008000090000100000110000120000130000140000150000160000time
02Q102Q303Q103Q304Q104Q305Q105Q306Q106Q307Q107Q308Q108Q309Q109Q310Q110Q311Q111Q312Q1
图1 原始序列时序图
由图1可以看出该序列不是平稳序列，故对其一阶差分，在SAS 软件输入代码，输出
结果如图2：
dif
-50000
-40000-30000-20000-10000010000
200003000040000time
02Q102Q303Q103Q304Q104Q305Q105Q306Q106Q307Q107Q308Q108Q309Q109Q310Q110Q311Q111Q312Q1
图2 一阶差分后时序图
由图2 可以看出该序列平稳性不显著并且具有很强的季节效应，其周期为4，因此再对其进行4步差分，在SAS 软件输入代码，输出结果如图3：
图3 一阶4步差分后时序图
由图3可以看出，该序列没有显著的不平稳性，认为一阶4歩差分后的序列平稳。做平稳性检验，在SAS 软件输入代码，生成自相关图（图4）、偏自相关图（图5）以及纯随机检验结果（图6）：
dif1
-11000
-10000-9000-8000-7000-6000-5000-4000-3000-2000-100001000
200030004000500060007000time
02Q102Q303Q103Q304Q104Q305Q105Q306Q106Q307Q107Q308Q108Q309Q109Q310Q110Q311Q111Q312Q1
图4 自相关系数图
图5 偏自相关系数图
图6 纯随机检验
由图6可以看出延迟6阶的检验P 值比给定的显著性水平05.0=α小，因此，拒绝原假设0H ，认为该序列为非白噪声序列。所以，对该序列建模是有意义的。
四、模型的建立及模型的检验
（一）、模型的识别优化
由图4样本自相关系数图可知自相关系数拖尾；观察图5样本偏自相关系数图可知滞后4阶和5阶偏自相关系数都落在两倍标准差外。因此，尝试对一阶4步差分后的序列拟合AR （4 5）模型。在SAS 软件输入代码，对模型进行估计。具体代码如下：
proc arima data=homework3;/*homework3为一阶4步差分后的数据集*/ identify var=product(1 4); estimate p=(4 5);
forecast lead=5 id=time out=out; run;
（二）、模型参数的估计
由以上代码：“identify var=product(1 4);”和“estimate p=(4 5);”输出如下的模型的估计值：
图7
由图7可以看到参数的估计方法为条件最小二乘估计法；由图可以得出MU 、AR1,1和AR1,2的估计值分别为267.81794、0.51943和-0.48057；
图8 拟合优度统计量表
通过拟合优度统计量表可以看出相关统计量，这些统计量可以帮助比较该模型和其他模
型的优劣。其中“Constant Estimate”表示的为均值项MU和自回归参数的函数；“Variance Estimate”表示残差序列的方差；“Std Error Estimate”代表方差估计值的平方根；AIC和SBC 函数值的大小分别为662.6768和667.4273；“Numbers of Residuals”表示的是残差个数，本例残差个数为36个。
图9 参数估计值的相关系数表
通过参数估计值的相关系数表可以帮助我们了解参数相关性可能影响结果的程度。从该表可以发现，任何两参数估计值的相关性都不高。
图10 残差序列检验值表
通过残差序列检验值表来检验残差序列是否为白噪声序列，从而检验模型的显著性。由表可以看出延迟6、12、18和24期的P值都明显大于0.05，认为残差序列为非白噪声序列，并认为模型拟合良好。
图11 拟合模型参数值
图11输出的是拟合模型的具体形式。其中，均值的估计值为267.8179；在本图下一部分显示的是自相关因子。得到的模型表达式如下：
5
448057.051743.018179.267B B x t
t +-+
=?ε
或将其记为：
65448057.003686.051743.18179.267-----+=t t t t x x x x
五、模型的预测
图12 序列预测值
由图12可以看到由代码：“forecast lead=5 id=time out=out;”语句输出5期的预
测值，其未来5期预测值分别为：123171.3463，130355.6774，166096.8934，
117387.4775和139549.7188。
为了观察模型的拟合效果，本文将原序列图、序列拟合图、预测值95%置信下限和上限图画在一起，如图13：
product
20000
30000400005000060000700008000090000100000110000120000130000140000150000160000170000180000time
02Q102Q303Q103Q304Q104Q305Q105Q306Q106Q307Q107Q308Q108Q309Q109Q310Q110Q311Q111Q312Q112Q3
图13 序列拟合效果图
在图13中，黑色曲线表示原序列值。红色曲线表示模型的拟合值，而两绿色曲线分别
表示预测值95%的置信下限和上限。我们发现红色曲线和黑色曲线几乎重合。再次说明模型拟合非常完美。
六、结论
我们得到该序列模型表达式为：
65448057.003686.051743.18179.267-----+=t t t t x x x x
用该模型预测未来5期，其预测值分别为：123171.3463，130355.6774，166096.8934，
117387.4775和139549.7188。
模型拟合效果非常完美。
七、政策建议
（一）．扩大内需特别是消费需求
要促进经济平稳较快发展。扩大内需特别是消费需求，不断优化投资结构。着力扩大消费需求。大力调整收入分配格局，增加中低收入者收入，提高居民消费能力。完善鼓励居民消费政策。大力发展社会化养老、家政、物业、医疗保健等服务业。
（二）．保持物价总水平基本稳定
保持物价总水平基本稳定，是关系群众利益和经济社会发展全局的重点工作。要在有效实施宏观经济政策、管好货币信贷总量、促进社会总供求基本平衡的基础上，搞好价格调控，防止物价反弹。要增加生产、保障供给。要搞活流通、降低成本。调整完善部分农产品批发、零售增值税政策，推动流通标准化、信息化建设。
（三）．转变经营方式
1.要加快转变经济发展方式，推进经济结构战略性调整。要促进产业结构优化升级。推动战略性新兴产业健康发展。实施有利于服务业发展的财税、金融政策，支持社会资本进入服务业，促进服务业发展提速、比重提高、水平提升。
2.要促进区域经济协调发展。认真落实西部大开发新10年的政策措施，加大实施中部地区崛起战略的力度，加快推进东北地区等老工业基地振兴，积极支持东部地区转型发展、在更高层次上参与国际竞争与合作。更好地发挥经济特区、上海浦东新区、天津滨海新区在改革开放中先行先试的重要作用。
（四）．其他方面建议：
1.促农业稳定发展和农民持续增收，要稳定发展农业生产，多渠道增加农民收入。稳定粮食种植面积，着力提高单产。引导农民调整结构，扩大紧缺、优质农产品生产。要加强农业农村基础设施建设。
2.要努力提高对外开放的质量和水平，形成开放型经济新格局。要保持对外贸易稳定发
展。稳定出口退税政策，扩大贸易融资和信用保险。大力发展服务贸易，承接服务外包。制定加强进口、促进贸易平衡的指导意见，完善进口政策，搭建更多的进口促进平台，推动进出口平衡发展。
参考文献
[1]李正辉，李庭辉.时间序列分析实验.中国统计出版社，2010年
[2]王燕.应用时间序列分析.中国人民大学出版社，2012年
[3]数据、背景资料以及相关资料在同花顺网、新华网和前瞻网收集
应用时间序列分析实验报告
单位根检验输出结果如下：序列x的单位根检验结果：
1967 58.8 53.4 1968 57.6 50.9 1969 59.8 47.2 1970 56.8 56.1 1971 68.5 52.4 1972 82.9 64.0 1973 116.9 103.6 1974 139.4 152.8 1975 143.0 147.4 1976 134.8 129.3 1977 139.7 132.8 1978 167.6 187.4 1979 211.7 242.9 1980 271.2 298.8 1981 367.6 367.7 1982 413.8 357.5 1983 438.3 421.8 1984 580.5 620.5 1985 808.9 1257.8 1986 1082.1 1498.3 1987 1470.0 1614.2 1988 1766.7 2055.1 1989 1956.0 2199.9 1990 2985.8 2574.3 1991 3827.1 3398.7 1992 4676.3 4443.3 1993 5284.8 5986.2 1994 10421.8 9960.1 1995 12451.8 11048.1 1996 12576.4 11557.4 1997 15160.7 11806.5 1998 15223.6 11626.1 1999 16159.8 13736.5 2000 20634.4 18638.8 2001 22024.4 20159.2 2002 26947.9 24430.3 2003 36287.9 34195.6 2004 49103.3 46435.8 2005 62648.1 54273.7 2006 77594.6 63376.9 2007 93455.6 73284.6 2008 100394.9 79526.5 run; proc gplot; plot x*t=1 y*t=2/overlay; symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run; proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run; proc arima; identify var=y crrosscorr=x; estimate methed=ml input=x plot; forecast lead=0id=t out=out; proc aima data=out; identify varresidual stationarity=(adf=2); run;
第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图
2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 ，序列 LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下
（2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221Λ+++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .02110211212112011φρφρφρφρρφφρφρφρ 解得：???==15/115 /72 1φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0 2212122 ) 1)(1)(1(1)(σφφφφφφ-+--+-= t x Var 2) 15.08.01)(15.08.01)(15.01() 15.01(σ+++--+= =1.98232σ ?????=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ?? ? ??=-====015.06957.033222111φφφρφ
时间序列分析 实验指导 4 2 -2 -4 50100150200250 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心2007年2月
目录实验一EVIEWS中时间序列相关函数操作- 1 - 实验二确定性时间序列建模方法- 8 - 实验三时间序列随机性和平稳性检验- 18 - 实验四时间序列季节性、可逆性检验- 20 - 实验五ARMA模型的建立、识别、检验- 26 - 实验六 ARMA模型的诊断性检验- 29 - 实验七 ARMA模型的预测- 30 - 实验八复习ARMA建模过程- 32 - 实验九时间序列非平稳性检验- 34 -
实验一EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 ⒉命令方式 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型起始期终止期 则菜单方式过程可写为：CREATE A 1985 1998 ㈡输入Y、X的数据 ⒈DATA命令方式 在EViews软件的命令窗口键入DATA命令，命令格式为： DATA <序列名1> <序列名2>…<序列名n>
《时间序列分析》课程实验报告
一、上机练习（P124） 1.拟合线性趋势 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 程序： data xiti1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc gplot data=xiti1; plot x*t; symbol c=red v=star i=join; run; proc autoreg data=xiti1; model x=t; output predicted=xhat out=out; run; proc gplot data=out; plot x*t=1 xhat*t=2/overlay; symbol2c=green v=star i=join; run; 运行结果：
分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行拟合：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=9.7086,b=1.9829，它们的检验P值均小于0.0001，即小于显著性水平0.05，拒绝原假设，故其参数均显著。从而所拟合模型为：x t=9.7086+1.9829t.
分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。 2.拟合非线性趋势 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 程序： data xiti2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a=0.1 b=1.1; der.a=b**t; der.b=a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay;
应用时间序列分析试卷 一 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】
应用时间序列分析（试卷一） 一、 填空题 1、拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。 2、白噪声序列具有性质纯随机性和方差齐性。 3、平稳AR （p ）模型的自相关系数有两个显着的性质：一是拖尾性；二是呈负指数衰减。 4、MA(q)模型的可逆条件是：MA(q)模型的特征根都在单位圆内，等价条件是移动平滑系数多项式的根都在单位圆外。 5、AR （1）模型的平稳域是{}11<<-φφ。AR （2）模型的平稳域是 {}11,12221<±<φφφφφ且， 二、单项选择题 1、频域分析方法与时域分析方法相比（D ） A 前者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 B 后者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 C 前者理论基础扎实，操作步骤规范，分析结果易于解释。 D 后者理论基础扎实，操作步骤规范，分析结果易于解释。 2、下列对于严平稳与宽平稳描述正确的是（D ） A 宽平稳一定不是严平稳。 B 严平稳一定是宽平稳。 C 严平稳与宽平稳可能等价。 D 对于正态随机序列，严平稳一定是宽平稳。 3、纯随机序列的说法，错误的是（B ）
A时间序列经过预处理被识别为纯随机序列。 B纯随机序列的均值为零，方差为定值。 C在统计量的Q检验中，只要Q 时，认为该序列为纯随机序列，其 中m为延迟期数。 D不同的时间序列平稳性检验，其延迟期数要求也不同。 4、关于自相关系数的性质，下列不正确的是（D） A. 规范性； B. 对称性； C. 非负定性； D. 唯一性。 5、对矩估计的评价，不正确的是（A） A. 估计精度好； B. 估计思想简单直观； C. 不需要假设总体分布； D. 计算量小（低阶模型场合）。 6、关于ARMA模型，错误的是（C） A ARMA模型的自相关系数偏相关系数都具有截尾性。 B ARMA模型是一个可逆的模型 C 一个自相关系数对应一个唯一可逆的MA模型。 D AR模型和MA模型都需要进行平稳性检验。 7、MA（q）模型序列的预测方差为下列哪项（B） A、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?< ? =? > ?? 22 1-1 22 1q （1++...+） （1++...+） B、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q （1++?+） （1++?+） C、 []2 q 2 , Va() , t l l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1 （1++?+） （1++?+） D、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q-1 （1++?+） （1++?+）
实验一时间序列数据平稳性检验实验指导 一、实验目的： 理解经济时间序列存在的不平稳性，掌握对时间序列平稳性检验的步骤和各种方法，认识利用不平稳的序列进行建模所造成的影响。 二、基本概念： 如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两个时期间的间隔，而不依赖于计算这个协方差的实际时间，就称它是宽平稳的。 时序图 ADF检验 PP检验 三、实验内容及要求： 1、实验内容： 用Eviews5.1来分析1964年到1999年中国纱产量的时间序列，主要内容： （1）、通过时序图看时间序列的平稳性，这个方法很直观，但比较粗糙； （2）、通过计算序列的自相关和偏自相关系数，根据平稳时间序列的性质观察其平稳性；（3）、进行纯随机性检验； （4）、平稳性的ADF检验； （5）、平稳性的pp检验。 2、实验要求： （1）理解不平稳的含义和影响； （2）熟悉对序列平稳化处理的各种方法； （2）对相应过程会熟练软件操作，对软件分析结果进行分析。 四、实验指导 （1）、绘制时间序列图 时序图可以大致看出序列的平稳性，平稳序列的时序图应该显示出序列始终围绕一个常数值波动，且波动的范围不大。如果观察序列的时序图显示出该序列有明显的趋势或周期，那它通常不是平稳序列，现以1964-1999年中国纱年产量序列（单位：万吨）来说明。 在EVIEWS中建立工作文件，在“Workfile structure type”栏中选择“Dated-regular frequency”，在右边的“Date specification”中输入起始年1964，终止年1999，点击ok则建立了工作文件。找到中国纱年产量序列的excel文件并导入命名该序列为sha，见图1-2。 图1-1 建立工作文件
时间序列分析实验报告 P185#1、某股票连续若干天的收盘价如表5-4 （行数据）所示。 表5-4 304 303 307 299 296 293301 293 301 295 284286 286 287 284 282278 281 278 277279 278 270 268 272 273 279 279280 275 271 277 278279 283 284 282 283279 280 280 279278 283 278 270 275 273 273 272275 273 273 272 273272 273 271 272 271273 277 274 274272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解： （1）通过SA漱件画出上述序列的时序图如下： 程序： data example5_1; in put x@@; time=_ n_; cards ; 304 303 307 299296 293 301 293 301 295 284286286 287 284 282 278 281 278277 279 278 270 268 272 273279279 280 275 271 277 278 279283 284 282 283 279 280 280279278 283 278 270 275 273 273272 275 273 273 272 273 272273271 272 271 273 277 274 274272 280 282 292 295 295 294290291 288 288 290 293 288 289291 293 293 290 288 287 289292288 288 285 282 286 286 287284 283 286 282 287 286 287292292 294 291 288 289 proc gplot data =example5_1; plot x*time= 1; symbol1 c=black v=star i =join; run ; 上述程序所得时序图如下： 上述时序图显示，该序列具有长期趋势又含有一定的周期性，为典型的非平稳序列。又因为该序列呈现曲线形式，所以选择2阶差分。
应用时间序列分析 实验手册
目录 目录 (2) 第二章时间序列的预处理 (3) 一、平稳性检验 (3) 二、纯随机性检验 (9) 第三章平稳时间序列建模实验教程 (10) 一、模型识别 (10) 二、模型参数估计（如何判断拟合的模型以及结果写法） (14) 三、模型的显著性检验 (17) 四、模型优化 (18) 第四章非平稳时间序列的确定性分析 (19) 一、趋势分析 (19) 二、季节效应分析 (34) 三、综合分析 (38) 第五章非平稳序列的随机分析 (44) 一、差分法提取确定性信息 (44) 二、ARIMA模型 (57) 三、季节模型 (62)
第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据
文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据
2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图
100 200300400 5006001960 1970198019902000 YEAR O U T P U T 图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上； 在Quick 菜单下选择自相关图，对Qiwen 原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析
《统计软件实验报告》SPSS软件的上机实践应用 时间序列分析
数学与统计学学院 一、实验内容： 时间序列是指一个依时间顺序做成的观察资料的集合。时间序列分析过程中最常用的方法是：指数平滑、自回归、综合移动平均及季节分解。 本次实验研究就业理论中的就业人口总量问题。但人口经济的理论和实践表明，就业总量往往受到许多因素的制约，这些因素之间有着错综复杂的联系，因此，运用结构性的因果模型分析和预测就业总量往往是比较困难的。时间序列分析中的自回归求积分移动平均法（ARIMA）则是一个较好的选择。对于时间序列的短期预测来说，随机时序ARIMA是一种精度较高的模型。 我们已辽宁省历年（1969-2005）从业人员人数为数据基础建立一个就业总量的预测时间序列模型,通过spss建立模型并用此模型来预测就业总量的未来发展趋势。 二、实验目的： 1.准确理解时间序列分析的方法原理 2.学会实用SPSS建立时间序列变量 3.学会使用SPSS绘制时间序列图以反应时间序列的直观特征。
4.掌握时间序列模型的平稳化方法。 5.掌握时间序列模型的定阶方法。 6.学会使用SPSS建立时间序列模型与短期预测。 7.培养运用时间序列分析方法解决身边实际问题的能力。 三、实验分析： 总体分析： 先对数据进行必要的预处理和观察，直到它变成稳态后再用SPSS对数据进行分析。 数据的预处理阶段，将它分为三个步骤：首先，对有缺失值的数据进行修补，其次将数据资料定义为相应的时间序列，最后对时间序列数据的平稳性进行计算观察。 数据分析和建模阶段：根据时间序列的特征和分析的要求，选择恰当的模型进行数据建模和分析。 四、实验步骤： SPSS的数据准备包括数据文件的建立、时间定义和数据期间的指定。 SPSS的时间定义功能用来将数据编辑窗口中的一个或多个变量指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤是： 1.选择菜单：Date→Define Dates，出现窗口：
应用时间序列分析实 验手册
目录
第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 例 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据 文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据 2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图 图3：年份和产出的散点图
（二）自相关图检验 例 导入数据，方式同上； 在Quick菜单下选择自相关图，对Qiwen原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析 图2：输入序列名称 图2：选择相关分析的对象 图3：序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k 期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显着性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.)有的题目平稳性描述可以模仿书本33页最后一段. （三）平稳性检验还可以用： 单位根检验：ADF,PP检验等； 非参数检验：游程检验 图1：序列的单位根检验
（时间管理）ARMA 模型的的建立时间序列分析实验指导
时间序列分析实验指导统计和应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想和教学理念的不断更新，于教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计和应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论和实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学和应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型且能正确求解的能力。 这套实验教学指导书于编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计和应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对课件存于的错误和不当之处予以批评指正。
统计和数学模型分析实验中心2007年2月
目录 实验壹EVIEWS中时间序列关联函数操作-1- 实验二确定性时间序列建模方法-9- 实验三时间序列随机性和平稳性检验-18- 实验四时间序列季节性、可逆性检验-21- 实验五ARMA模型的建立、识别、检验-27- 实验六ARMA模型的诊断性检验-30- 实验七ARMA模型的预测-31- 实验八复习ARMA建模过程-33- 实验九时间序列非平稳性检验-35-
实验壹EVIEWS中时间序列关联函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习且掌握和时间序列分析关联的函数操作。 【实验内容】 壹、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自关联和偏自关联图和函数； 【实验步骤】 壹、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 于主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出壹个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Startdate）和终止期栏（Enddate），输入相应的日期，然后点击OK按钮，将于EViews软件的主显示窗口
统计学之时间序列分析(doc 43页)
时间序列分析实验指导
4 2 -2 -4 50100150200250 NRND 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心 2007年2月
目录
实验一 EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 ⒉命令方式 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型起始期终止期 则菜单方式过程可写为：CREATE A 1985 1998 ㈡输入Y、X的数据 ⒈DATA命令方式
河南工程学院课程设计 《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计指导教师： 2017年 6 月 2 日
目录 1. 实验一澳大利亚常住人口变动分析..... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 2. 实验二我国铁路货运量分析........... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 3. 实验三美国月度事故死亡数据分析...... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。课程设计体会 ............................ 错误!未定义书签。
第三章平稳时间序列分析 选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1： 表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列 一、时间序列预处理 （一）时间序列平稳性检验 1.时序图检验 （1）工作文件的创建。打开EViews6.0软件，在主菜单中选择File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表示起始年
份为1950年），在End date中输入“2008”（表示样本数据的结束年份为2008年），然后单击“OK”，完成工作文件的创建。 （2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表示年份），X（表示新增里程数）。 （3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“XYLine”,然后按“确定”，出现时序图，如图1所示： 图1 我国邮路及农村投递线路每年新增里程数序列时序图从图1中可以看出，该序列始终在一个常数值附近随机波动，而且波动的围有界，因而可以初步认定序列是平稳的。为了进一步确认序列的平稳性，还需要分析其自相关图。 2.自相关图检验 选择菜单中的Quick/Series Statistics/Correlogram...,在Series Name 中输入x（表示作x序列的自相关图），点击OK，在Correlogram Specification 中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2：
时间序列分析SAS软件实验报告： 以我国2002第一季度到2012年第一季度国内生产总值数据（季节效应模型）分析 班级：统计系统计0姓名： 学号： 指导老师： 20 年月日
时间序列分析报告 一、前言 【摘要】2012年3月5日温家宝代表国务院向大会作政府工作报告。温家宝在报告中提出，2012年国内生产总值增长7.5%。这是我国国内生产总值（GDP）预期增长目标八年来首次低于8%。 温家宝说，今年经济社会发展的主要预期目标是：国内生产总值增长7.5%；城镇新增就业900万人以上，城镇登记失业率控制在4.6%以内；居民消费价格涨幅控制在4%左右；进出口总额增长10%左右，国际收支状况继续改善。同时，要在产业结构调整、自主创新、节能减排等方面取得新进展，城乡居民收入实际增长和经济增长保持同步。 他指出，这里要着重说明，国内生产总值增长目标略微调低，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。提出居民消费价格涨幅控制在4%左右，综合考虑了输入性通胀因素、要素成本上升影响以及居民承受能力，也为价格改革预留一定空间。 对于这一预期目标的调整，温家宝解释说，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。 央行货币政策委员会委员李稻葵表示，未来若干年中国经济增长速度会有所放缓，这个放缓是必要的，是经济发展方式转变的一个必然要求。 【关键词】“十二五”规划目标国内生产总值增长率增速放缓提高发展质量附表：国内生产总值(2012年1季度) 绝对额（亿元）比去年同期增长（%） 国内生产总值107995.0 8.1 第一产业6922.0 3.8 第二产业51450.5 9.1 第三产业49622.5 7.5 注1：绝对额按现价计算，增长速度按不变价计算。注2：该表为初步核算数据。 GDP环比增长速度 环比增长速度（%） 2011年1季度 2.2 2季度 2.3 3季度 2.4 4季度 1.9 2012年1季度 1.8 注：环比增长速度为经季节调整与上一季度对比的增长速度。 此表是我国2012年第一季度国内生产总值及与2011年同期比较来源：前瞻网
时间序列分析实验指导
4 2 -2 -4 50100150200250 统计与应用数学学院
前言 随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心 2007年2月
目录
实验一EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
河南工程学院课程设计《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计 指导教师： 2017年6月2日
目录 1. 实验一澳大利亚常住人口变动分析 (1) 1.1 实验目的 (1) 1.2 实验原理 (1) 1.3 实验内容 (2) 1.4 实验过程 (3) 2. 实验二我国铁路货运量分析 (8) 2.1 实验目的 (8) 2.2 实验原理 (8) 2.3 实验内容 (9) 2.4 实验过程 (10) 3. 实验三美国月度事故死亡数据分析 (14) 3.1 实验目的 (14) 3.2 实验原理 (15) 3.3 实验内容 (15) 3.4 实验过程 (16) 课程设计体会 (19)
1.实验一澳大利亚常住人口变动分析 1971年9月—1993年6月澳大利亚常住人口变动（单位：千人）情况如表1-1所示（行数据）。 表1-1 （1）判断该序列的平稳性与纯随机性。 （2）选择适当模型拟合该序列的发展。 （3）绘制该序列拟合及未来5年预测序列图。 1.1 实验目的 掌握用SAS软件对数据进行相关性分析，判断序列的平稳性与纯随机性,选择模型拟合序列发展。 1.2 实验原理 （1）平稳性检验与纯随机性检验 对序列的平稳性检验有两种方法，一种是根据时序图和自相关图显示的特征做出判断的图检验法；另一种是单位根检验法。
（2）模型识别 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 （3）模型预测 模型拟合好之后，利用该模型对序列进行短期预测。 1.3 实验内容 （1）判断该序列的平稳性与纯随机性 时序图检验，根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常识值附近波动，而且波动的范围有界。如果序列的时序图显示该序列有明显的趋势性或周期性，那么它通常不是平稳序列。 对自相关图进行检验时，可以用SAS 系统ARIMA 过程中的IDENTIFY 语句来做自相关图。 而单位根检验我们用到的是DF 检验。以1阶自回归序列为例： 11t t t x x φε-=+ 该序列的特征方程为： 0λφ-= 特征根为： λφ= 当特征根在单位圆内时： 11φ< 该序列平稳。 当特征根在单位圆上或单位圆外时： 11φ≥ 该序列非平稳。 对于纯随机性检验，既白噪声检验，可以用SAS 系统中的IDENTIFY 语句来输出白噪声检验的结果。 （2）选择适当模型拟合该序列的发展
实验6 时间序列分析的spss应用 6.1 实验目的 学会运用SPSS统计软件创建时间数列，熟练掌握长期趋势线性模型拟合和季节变动测定的SPSS方法与技能。 6.2 相关知识（略） 6.3 实验内容 6.3.1 用SPSS统计软件创建时间序列的创建 6.3.2用SPSS统计软件处理长期趋势线性模型的拟合（最小二乘法、指数平滑法）及预测。 6.3.3掌握测定季节变动规律的SPSS测定方法。 6.4实验要求 6.4.1准备实验数据 6.4.2用SPSS统计软件创建彩电出口数量的时间序列 6.4.3用最小二乘法测定长期趋势，拟合线性趋势方程，并进行趋势预测。 6.4.4测定彩电出口数量的季节变动规律。 6.4.5用指数平滑法预测2014和2015年的彩电出口数量。 6.5 实验步骤 6.5.1 实验数据 为了研究某国彩电出口的情况，某研究机构收集了从2003-2013年某国彩电出口的月度数据，如表6-1所示。 表6-1 我国2003-2013年的我国彩电出口的月度数据（单位：万台）1月2月3月4月5月6月7月8月9月10月11月12月2003年12.53 13.73 24.45 28.75 32.45 31.11 25.94 32.98 43.49 42.94 63.29 77.28 2004年30.01 39.63 29.77 42.74 32.25 31.94 32.27 32.59 32.92 30.98 47.44 52.82 2005年24.08 16.42 31.24 29.33 31.88 30.09 28.08 32.99 44.99 47.57 50.36 75.19 2006年39.02 25.81 43.38 37.34 39.22 39.87 51.10 50.99 55.16 62.78 57.75 72.20 2007年28.76 39.38 46.10 39.41 38.74 40.18 45.59 43.31 46.68 54.17 53.65 61.12 2008年28.87 21.23 35.82 26.97 32.33 24.53 29.39 31.96 38.22 39.24 52.95 68.41