時間序列分析實驗4-非平穩(wěn)序列的確定性分析課件

第四章總結(jié)時序確定性因素的分解：長期趨勢波動、季節(jié)性變化、隨機波動趨勢分析及其SAS過程趨勢擬合法：線性、非線性平滑法：移動平均、指數(shù)平滑季節(jié)效應(yīng)分析：計算季節(jié)指數(shù)綜合分析：理解分析思路，掌握分析步驟以及SAS過程X－11過程：了解其原理、SAS過程和SAS結(jié)果的分析。第四章總結(jié)時序確定性因素的分解：長期趨勢波動、季節(jié)性變化、趨勢分析目的有些時間序列具有非常顯著的趨勢，我們分析的目的就是要找到序列中的這種趨勢，并利用這種趨勢對序列的發(fā)展作出合理的預(yù)測

常用方法趨勢擬合法平滑法趨勢分析目的趨勢擬合法趨勢擬合法就是把時間作為自變量，相應(yīng)的序列觀察值作為因變量，建立序列值隨時間變化的回歸模型的方法

分類線性擬合非線性擬合（曲線擬合）趨勢擬合法趨勢擬合法就是把時間作為自變量，相應(yīng)的序列觀察值作線性擬合使用場合長期趨勢呈現(xiàn)出線性特征模型結(jié)構(gòu)線性擬合使用場合例4.1:擬合澳大利亞政府1981——1990年每季度的消費支出序列

例4.1:擬合澳大利亞政府1981——1990年每季度的消費線性擬合模型參數(shù)估計方法最小二乘估計參數(shù)估計值線性擬合模型線性擬合的SAS過程dataa;inputgov_cons@@;time=intnx('quarter','1jan1981'd,_n_-1);formattimeyear2.;t=_n_;cards;原始數(shù)據(jù);procgplot;plotgov_cons*time=1;symbol1c=blackv=stari=join;線性擬合的SAS過程dataa;線性擬合的SAS過程procautoreg;/*自回歸過程*/或者procreg;/*回歸過程*/

modelgov_cons=t;outputout=outp=forecast;procgplotdata=out;plotgov_cons*time=1forecast*time=2/overlayhaxis='1jan1981'dto'1jan1991'dbyyear;symbol2c=redv=nonei=joinw=2l=3;run;線性擬合的SAS過程procautoreg;/*自回歸過程線性擬合模型結(jié)果(autoreg過程)線性擬合模型結(jié)果(autoreg過程)線性擬合模型結(jié)果(reg過程)線性擬合模型結(jié)果(reg過程)擬合效果圖擬合效果圖非線性擬合使用場合長期趨勢呈現(xiàn)出非線性特征

參數(shù)估計指導(dǎo)思想能轉(zhuǎn)換成線性模型的都轉(zhuǎn)換成線性模型，用線性最小二乘法進行參數(shù)估計實在不能轉(zhuǎn)換成線性的，就用迭代法進行參數(shù)估計

非線性擬合使用場合常用非線性模型模型變換變換后模型參數(shù)估計方法線性最小二乘估計線性最小二乘估計－－迭代法－－迭代法－－迭代法常用非線性模型模型變換變換后模型參數(shù)估計方法線性最小二乘估計例4.2：對上海證券交易所1991年1月-2001年10月每月末上證指數(shù)序列進行模型擬合

例4.2：對上海證券交易所1991年1月-2001年10月非線性擬合模型變換參數(shù)估計方法線性最小二乘估計擬合模型口徑非線性擬合模型dataa;inputindex@@;time=intnx('month','1jan1991'd,_n_-1);formattimeyear2.;t=_n_;cards;原始數(shù)據(jù);t2=t**2;dataa;t2=t**2;procgplot;plotindex*time=1;symbol1c=blackv=nonei=join;procreg;modelindex=tt2;modelindex=t2;outputout=outp=index_cup;procgplotdata=out;plotindex*time=1index_cup*time=2/overlay;symbol2c=redv=nonei=joinw=2l=3;run;procgplot;非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果擬合效果圖擬合效果圖綜合分析常用綜合分析模型加法模型乘法模型混合模型綜合分析常用綜合分析模型例4.7對1993年——2000年中國社會消費品零售總額序列（數(shù)據(jù)見附錄1.11）進行確定性時序分析。例4.7對1993年——2000年中國社會消費品零售總額序列例4.7的SAS過程dataa;inputx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;原始數(shù)據(jù);procgplot;plotx*t;symbolc=redi=joinv=star;run;

對原始數(shù)據(jù)集a畫時序圖，對應(yīng)書4-6圖例4.7的SAS過程dataa;對原始數(shù)據(jù)集a畫時序圖，對例4.7的SAS過程databb;inputxx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;剔除季節(jié)效應(yīng)后的數(shù)據(jù);procgplotdata=bb;plotxx*t;symbolc=blacki=nonev=star;run;

對消除季節(jié)效應(yīng)后的數(shù)據(jù)集bb畫圖，對應(yīng)書4-8圖例4.7的SAS過程databb;對消除季節(jié)效應(yīng)后的數(shù)據(jù)例4.7的SAS過程Datab;setbb(keep=xx);t=_n_;procreg;modelxx=t;outputout=outp=xxx;procprintdata=out;run;procgplotdata=out;plotxx*t=1xxx*t=2/overlay;symbol2c=redv=nonei=join;run;

線性趨勢擬合后的效果圖，對應(yīng)書4-9圖對數(shù)據(jù)集b進行趨勢擬合例4.7的SAS過程Datab;線性趨勢擬合后的效果圖，對例4.7的SAS過程datac;setout;r=xx-xxx;procprint;run;procgplotdata=c;plotr*t;run;

畫殘差序列圖，對應(yīng)書4-10圖創(chuàng)建殘差數(shù)據(jù)集c例4.7的SAS過程datac;畫殘差序列圖，對應(yīng)書4-1X-11過程簡介X-11過程是美國國情調(diào)查局編制的時間序列季節(jié)調(diào)整過程。它的基本原理就是時間序列的確定性因素分解方法

因素分解長期趨勢起伏季節(jié)波動不規(guī)則波動交易日影響模型加法模型乘法模型X-11過程簡介例4.7的SAS過程對1993年——2000年中國社會消費品零售總額序列使用X-11過程進行季節(jié)調(diào)整

選擇模型（無交易日影響）例4.7的SAS過程對1993年——2000年中國社會消費品X-11的SAS過程dataa;inputx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;原始數(shù)據(jù);X-11的SAS過程dataa;X-11的SAS過程procx11data=a;monthlydate=t;varx;outputout=outb1=xd10=seasond11=adjustedd12=trendd13=irr;procgplotdata=out;plotx*t=1

season*t=2adjusted*t=2trend*t=2irr*t=2/overlay;symbol1c=blacki=joinv=star;symbol2c=redi=joinv=nonew=2;run;X-11的SAS過程procx11data=a;X-11的SAS過程語句說明：procx11data=a;

：對數(shù)據(jù)集a的數(shù)據(jù)進行X-11分析；monthlydate=t;：告訴系統(tǒng)這是月度數(shù)據(jù)(如是季度數(shù)據(jù)就記作quarterly)，變量t為時間變量名；varx;：進行季節(jié)調(diào)整的變量為x；

outputout=outb1=xd10=seasond11=adjustedd12=trendd13=irr;：輸出部分結(jié)果到臨時數(shù)據(jù)集OUT，要求的輸出結(jié)果是：X-11的SAS過程語句說明：procx11data=aX-11的SAS過程outputout=outb1=xd10=seasond11=adjustedd12=trendd13=irr;：輸出部分結(jié)果到臨時數(shù)據(jù)集OUT，要求的輸出結(jié)果是：1、原始序列值x（表b1的數(shù)值）；2、季節(jié)指數(shù)（或稱為季節(jié)因子）season（表d10的數(shù)據(jù)）；3、季節(jié)調(diào)整后的序列值adjusted（表d11的數(shù)據(jù)）；4、趨勢擬合值trend（表d12的數(shù)據(jù)）；5、不規(guī)則波動值irr（表d13的數(shù)據(jù)）。X-11的SAS過程outputout=outb1=

第四章總結(jié)時序確定性因素的分解：長期趨勢波動、季節(jié)性變化、隨機波動趨勢分析及其SAS過程趨勢擬合法：線性、非線性平滑法：移動平均、指數(shù)平滑季節(jié)效應(yīng)分析：計算季節(jié)指數(shù)綜合分析：理解分析思路，掌握分析步驟以及SAS過程X－11過程：了解其原理、SAS過程和SAS結(jié)果的分析。第四章總結(jié)時序確定性因素的分解：長期趨勢波動、季節(jié)性變化、趨勢分析目的有些時間序列具有非常顯著的趨勢，我們分析的目的就是要找到序列中的這種趨勢，并利用這種趨勢對序列的發(fā)展作出合理的預(yù)測

常用方法趨勢擬合法平滑法趨勢分析目的趨勢擬合法趨勢擬合法就是把時間作為自變量，相應(yīng)的序列觀察值作為因變量，建立序列值隨時間變化的回歸模型的方法

分類線性擬合非線性擬合（曲線擬合）趨勢擬合法趨勢擬合法就是把時間作為自變量，相應(yīng)的序列觀察值作線性擬合使用場合長期趨勢呈現(xiàn)出線性特征模型結(jié)構(gòu)線性擬合使用場合例4.1:擬合澳大利亞政府1981——1990年每季度的消費支出序列

例4.1:擬合澳大利亞政府1981——1990年每季度的消費線性擬合模型參數(shù)估計方法最小二乘估計參數(shù)估計值線性擬合模型線性擬合的SAS過程dataa;inputgov_cons@@;time=intnx('quarter','1jan1981'd,_n_-1);formattimeyear2.;t=_n_;cards;原始數(shù)據(jù);procgplot;plotgov_cons*time=1;symbol1c=blackv=stari=join;線性擬合的SAS過程dataa;線性擬合的SAS過程procautoreg;/*自回歸過程*/或者procreg;/*回歸過程*/

modelgov_cons=t;outputout=outp=forecast;procgplotdata=out;plotgov_cons*time=1forecast*time=2/overlayhaxis='1jan1981'dto'1jan1991'dbyyear;symbol2c=redv=nonei=joinw=2l=3;run;線性擬合的SAS過程procautoreg;/*自回歸過程線性擬合模型結(jié)果(autoreg過程)線性擬合模型結(jié)果(autoreg過程)線性擬合模型結(jié)果(reg過程)線性擬合模型結(jié)果(reg過程)擬合效果圖擬合效果圖非線性擬合使用場合長期趨勢呈現(xiàn)出非線性特征

參數(shù)估計指導(dǎo)思想能轉(zhuǎn)換成線性模型的都轉(zhuǎn)換成線性模型，用線性最小二乘法進行參數(shù)估計實在不能轉(zhuǎn)換成線性的，就用迭代法進行參數(shù)估計

非線性擬合使用場合常用非線性模型模型變換變換后模型參數(shù)估計方法線性最小二乘估計線性最小二乘估計－－迭代法－－迭代法－－迭代法常用非線性模型模型變換變換后模型參數(shù)估計方法線性最小二乘估計例4.2：對上海證券交易所1991年1月-2001年10月每月末上證指數(shù)序列進行模型擬合

例4.2：對上海證券交易所1991年1月-2001年10月非線性擬合模型變換參數(shù)估計方法線性最小二乘估計擬合模型口徑非線性擬合模型dataa;inputindex@@;time=intnx('month','1jan1991'd,_n_-1);formattimeyear2.;t=_n_;cards;原始數(shù)據(jù);t2=t**2;dataa;t2=t**2;procgplot;plotindex*time=1;symbol1c=blackv=nonei=join;procreg;modelindex=tt2;modelindex=t2;outputout=outp=index_cup;procgplotdata=out;plotindex*time=1index_cup*time=2/overlay;symbol2c=redv=nonei=joinw=2l=3;run;procgplot;非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果非線性擬合模型SAS結(jié)果擬合效果圖擬合效果圖綜合分析常用綜合分析模型加法模型乘法模型混合模型綜合分析常用綜合分析模型例4.7對1993年——2000年中國社會消費品零售總額序列（數(shù)據(jù)見附錄1.11）進行確定性時序分析。例4.7對1993年——2000年中國社會消費品零售總額序列例4.7的SAS過程dataa;inputx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;原始數(shù)據(jù);procgplot;plotx*t;symbolc=redi=joinv=star;run;

對原始數(shù)據(jù)集a畫時序圖，對應(yīng)書4-6圖例4.7的SAS過程dataa;對原始數(shù)據(jù)集a畫時序圖，對例4.7的SAS過程databb;inputxx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;剔除季節(jié)效應(yīng)后的數(shù)據(jù);procgplotdata=bb;plotxx*t;symbolc=blacki=nonev=star;run;

對消除季節(jié)效應(yīng)后的數(shù)據(jù)集bb畫圖，對應(yīng)書4-8圖例4.7的SAS過程databb;對消除季節(jié)效應(yīng)后的數(shù)據(jù)例4.7的SAS過程Datab;setbb(keep=xx);t=_n_;procreg;modelxx=t;outputout=outp=xxx;procprintdata=out;run;procgplotdata=out;plotxx*t=1xxx*t=2/overlay;symbol2c=redv=nonei=join;run;

線性趨勢擬合后的效果圖，對應(yīng)書4-9圖對數(shù)據(jù)集b進行趨勢擬合例4.7的SAS過程Datab;線性趨勢擬合后的效果圖，對例4.7的SAS過程datac;setout;r=xx-xxx;procprint;run;procgplotdata=c;plotr*t;run;

畫殘差序列圖，對應(yīng)書4-10圖創(chuàng)建殘差數(shù)據(jù)集c例4.7的SAS過程datac;畫殘差序列圖，對應(yīng)書4-1X-11過程簡介X-11過程是美國國情調(diào)查局編制的時間序列季節(jié)調(diào)整過程。它的基本原理就是時間序列的確定性因素分解方法

因素分解長期趨勢起伏季節(jié)波動不規(guī)則波動交易日影響模型加法模型乘法模型X-11過程簡介例4.7的SAS過程對1993年——2000年中國社會消費品零售總額序列使用X-11過程進行季節(jié)調(diào)整

選擇模型（無交易日影響）例4.7的SAS過程對1993年——2000年中國社會消費品X-11的SAS過程dataa;inputx@@;t=intnx('month','1jan1993'd,_n_-1);formattyear4.;cards;原始數(shù)據(jù);X-11的SAS過程dataa;X-11的SAS過程procx11data=a;monthlydate=t;var