時(shí)間序列報(bào)告

時(shí)間序列分析報(bào)告數(shù)據(jù)來(lái)源（居民消費(fèi)水平）19781931979194.46922391980199.83347211981202.94494241982204.15224911983207.81334781984212.38509921985244.10774411986259.51940851987280.48780491988340.1144311989403.8134151990412.43697481991425.87346551992455.30393331993526.76537591994651.92802061995760.16068051996824.92080251997852.05314011998853.62065621999848.8872265867.9148936865.720524856.9421023867.6289169895.977922.2307989945.2393119971.4590965997.6918235987.42921151029.1152781085.92359數(shù)據(jù)分析對(duì)序列進(jìn)行做時(shí)序圖，成果如圖：居民消費(fèi)水平時(shí)序圖顯示該序列含有明顯的線性趨勢(shì)，故非平穩(wěn)，顯然該序列不是平穩(wěn)序列。對(duì)原序列進(jìn)行一階差分運(yùn)算，考慮做一階差分，成果如圖：由圖可知，序列沒(méi)有明顯的不平穩(wěn)性，認(rèn)為一階差分后的序列平穩(wěn)，做平穩(wěn)性檢查，自有關(guān)圖、偏自有關(guān)圖以及純隨機(jī)檢查成果如圖：由上圖所知對(duì)序列的白噪聲檢查成果能夠看出，在0.05的明顯性水平下，由于延遲6階，12階的檢查統(tǒng)計(jì)量的P值不大于0.05，認(rèn)為一階差分后的序列為平穩(wěn)非白噪聲序列，研究故意義。觀察樣本自有關(guān)系數(shù)圖發(fā)現(xiàn)：樣本自有關(guān)系數(shù)在滯后一期就落入兩倍原則差以內(nèi)，認(rèn)為自有關(guān)系數(shù)截尾，截尾階數(shù)為1，因此，考慮選擇MA(1)模型對(duì)序列進(jìn)行擬合，我們觀察偏自有關(guān)系數(shù)也1階截尾，因此，也能夠考慮選擇AR(1)模型對(duì)其擬合模型的建立與模型的檢查模型的優(yōu)化：通過(guò)對(duì)模型識(shí)別的成果，擬定對(duì)該數(shù)據(jù)集建立的最優(yōu)模型，如圖：由圖能夠看出，在自有關(guān)延遲階數(shù)不大于等于5，移動(dòng)平均延遲階數(shù)也不大于等于5的全部ARMA(p,q)模型中，BIC信息量相對(duì)最小的是AR(1)模型參數(shù)預(yù)計(jì)：對(duì)AR(1)模型進(jìn)行參數(shù)預(yù)計(jì)，輸出成果以下：能夠看出全部被預(yù)計(jì)參數(shù)檢查p值都不大于0.05，認(rèn)為兩個(gè)未知參數(shù)明顯通過(guò)擬合優(yōu)度統(tǒng)計(jì)量表能夠看出有關(guān)統(tǒng)計(jì)量，這些統(tǒng)計(jì)量能夠協(xié)助比較該模型和其它模型的優(yōu)劣。其中“ConstantEstimate”表達(dá)的為均值項(xiàng)MU和自回歸參數(shù)的函數(shù)；“VarianceEstimate”表達(dá)殘差序列的方差；“StdErrorEstimate”代表方差預(yù)計(jì)值的平方根；AIC和SBC函數(shù)值的大小分別為305.8807和308.8737；“NumbersofResiduals”表達(dá)的是殘差個(gè)數(shù)，本例殘差個(gè)數(shù)為33個(gè)。通過(guò)參數(shù)預(yù)計(jì)值的有關(guān)系數(shù)表能夠協(xié)助我們理解參數(shù)有關(guān)性可能影響成果的程度。從該表能夠發(fā)現(xiàn)，任何兩參數(shù)預(yù)計(jì)值的有關(guān)性都不高。通過(guò)殘差序列檢查值表來(lái)檢查殘差序列與否為白噪聲序列，從而檢查模型的明顯性。由表能夠看出延遲6、12、18和24期的P值都明顯不不大于0.05，認(rèn)為殘差序列為非白噪聲序列，并認(rèn)為模型擬合良好。輸出的是擬合模型的具體形式。其中，均值的預(yù)計(jì)值為24.46698；在本圖下一部分顯示的是自有關(guān)因子。得到的模型體現(xiàn)式以下：或?qū)⑵溆洖椋耗Ｐ偷念A(yù)測(cè)：由圖能夠看到由代碼：forecastlead=3id=timeout=out;語(yǔ)句輸出3期的預(yù)測(cè)值，其將來(lái)3期預(yù)測(cè)值分別為：46.5207，39.5055，34.7219本文將原序列圖、序列擬合圖、預(yù)測(cè)值95%置信下限和上限圖畫在一起，成果如圖：結(jié)論本文通過(guò)差分工具對(duì)擬定性信息進(jìn)行提取，產(chǎn)生一種平穩(wěn)序列，通過(guò)白噪聲檢查后，再用ARIMA模型進(jìn)行擬合，成功建立的效果極佳的模型：運(yùn)用該模型預(yù)測(cè)將來(lái)3期，其預(yù)測(cè)值分別為：46.5207，39.5055，34.7219數(shù)據(jù)來(lái)源（外商投資，萬(wàn)美元）1978231979541980861981102198214619831821984252198516341986185319872337198829571989518119904844199191621992293981993103271199411444919951257751996151997150345199813180219991532621612662211623160025449366681287722718889351036576100729499397411001751166601數(shù)據(jù)分析對(duì)序列進(jìn)行做時(shí)序圖，成果如圖：外商投資時(shí)序圖顯示該序列含有明顯的線性趨勢(shì)，故非平穩(wěn)，顯然該序列不是平穩(wěn)序列。對(duì)原序列進(jìn)行一階差分運(yùn)算，考慮做一階差分，成果如圖：由圖可知，序列沒(méi)有明顯的不平穩(wěn)性，認(rèn)為一階差分后的序列平穩(wěn)，做平穩(wěn)性檢查，自有關(guān)圖、偏自有關(guān)圖以及純隨機(jī)檢查成果如圖：由上圖所知對(duì)序列的白噪聲檢查成果能夠看出，在0.05的明顯性水平下，由于延遲6階，12階的檢查統(tǒng)計(jì)量的P值不大于0.05，認(rèn)為一階差分后的序列為平穩(wěn)非白噪聲序列，研究故意義。觀察樣本自有關(guān)系數(shù)圖發(fā)現(xiàn)：樣本自有關(guān)系數(shù)在滯后一期就落入兩倍原則差以內(nèi)，認(rèn)為自有關(guān)系數(shù)截尾，截尾階數(shù)為1，因此，考慮選擇MA(1)模型對(duì)序列進(jìn)行擬合，我們觀察偏自有關(guān)系數(shù)也1階截尾，因此，也能夠考慮選擇AR(1)模型對(duì)其擬合模型的建立及模型的檢查模型的識(shí)別優(yōu)化：由圖能夠看出，在自有關(guān)延遲階數(shù)不大于等于5，移動(dòng)平均延遲階數(shù)也不大于等于5的全部ARMA(p,q)模型中，BIC信息量相對(duì)最小的是AR(1)模型輸入代碼為：procarimadata=a;identifyvar=difnlag=12minicp=(0:5)q=(0:5);run;模型參數(shù)的預(yù)計(jì)：通過(guò)擬合優(yōu)度統(tǒng)計(jì)量表能夠看出有關(guān)統(tǒng)計(jì)量，這些統(tǒng)計(jì)量能夠協(xié)助比較該模型和其它模型的優(yōu)劣。其中“ConstantEstimate”表達(dá)的為均值項(xiàng)MU和自回歸參數(shù)的函數(shù)；“VarianceEstimate”表達(dá)殘差序列的方差；“StdErrorEstimate”代表方差預(yù)計(jì)值的平方根；AIC和SBC函數(shù)值的大小分別為808.0379和811.0309；“NumbersofResiduals”表達(dá)的是殘差個(gè)數(shù)，本例殘差個(gè)數(shù)為33個(gè)。通過(guò)參數(shù)預(yù)計(jì)值的有關(guān)系數(shù)表能夠協(xié)助我們理解參數(shù)有關(guān)性可能影響成果的程度。從該表能夠發(fā)現(xiàn)，任何兩參數(shù)預(yù)計(jì)值的有關(guān)性都不高。通過(guò)殘差序列檢查值表來(lái)檢查殘差序列與否為白噪聲序列，從而檢查模型的明顯性。由表能夠看出延遲6、12、18和24期的P值都明顯不不大于0.05，認(rèn)為殘差序列為非白噪聲序列，并認(rèn)為模型擬合良好。圖中輸出的是擬合模型的具體形式。其中，均值的預(yù)計(jì)值為33465.4；在本圖下一部分顯示的是自有關(guān)因子。得到的模型體現(xiàn)式以下：或?qū)⑵溆洖椋耗Ｐ偷念A(yù)測(cè)：由圖能夠看到由代碼：forecastlead=3id=timeout=out;語(yǔ)句輸出3期的預(yù)測(cè)值，其將來(lái)3期預(yù)測(cè)值分別為：52444.0672，44393.2892，39757.6622本文將原序列圖、序列擬合圖、預(yù)測(cè)值95%置信下限和上限圖畫在一起，成果如圖：結(jié)論本文通過(guò)差分工具對(duì)擬定性信息進(jìn)行提取，產(chǎn)生一種平穩(wěn)序列，通過(guò)白噪聲檢查后，再用ARIMA模型進(jìn)行擬合，成功建立的效果極佳的模型：運(yùn)用該模型預(yù)測(cè)將來(lái)3期，其預(yù)測(cè)值分別為：52444.0672，44393.2892，39757.6622政策建議（一）．?dāng)U大內(nèi)需特別是消費(fèi)需求要增進(jìn)經(jīng)濟(jì)平穩(wěn)較快發(fā)展。擴(kuò)大內(nèi)需特別是消費(fèi)需求，不停優(yōu)化投資構(gòu)造。著力擴(kuò)大消費(fèi)需求。大力調(diào)節(jié)收入分派格局，增加中低收入者收入，提高居民消費(fèi)能力。完善激勵(lì)居民消費(fèi)政策。大力發(fā)展社會(huì)化養(yǎng)老、家政、物業(yè)、醫(yī)療保健等服務(wù)業(yè)。（二）．保持物價(jià)總水平基本穩(wěn)定保持物價(jià)總水平基本穩(wěn)定，是關(guān)系群眾利益和經(jīng)濟(jì)社會(huì)發(fā)展全局的重點(diǎn)工作。要在有效實(shí)施宏觀經(jīng)濟(jì)政策、管好貨幣信貸總量、增進(jìn)社會(huì)總供求基本平衡的基礎(chǔ)上，搞好價(jià)風(fēng)格控，避免物價(jià)反彈。要增加生產(chǎn)、保障供應(yīng)。要搞活流通、減少成本。調(diào)節(jié)完善部分農(nóng)產(chǎn)品批發(fā)、零售增值稅政策，推動(dòng)流通原則化、信息化建設(shè)。附錄：SAS指令：居民消費(fèi)水平X4數(shù)據(jù)時(shí)序圖dataa;inputyearx4;time=intnx('year','1jan1978'd,_n_-1);formattimeyear4.;cards; 1978 1931979 194.46922391980 199.83347211981 202.94494241982 204207.81334781984 212.38509921985 244.10774411986 259.51940851987 280.48780491988 340.1144311989 403.8134151990 412.43697481991 425.87346551992 455.30393331993 526.76537591994 651.92802061995 760.16068051996 824.92080251997 852.05314011998 853.62065621999 848.8872265 867.9148936 865.720524 856.9421023 867.6289169 895.977 922.2307989 945.2393119 971.4590965 997.6918235 987.4292115 1029.115278 1085.92359;run;procgplotdata=a;plotx4*time;symbolv=stari=joinc=red;run;一階差分dataa;inputyearx4;time=intnx('year','1jan1978'd,_n_-1);formattimeyear4.;dif=dif(x4);cards;1978 1931979 194.46922391980 199.83347211981 202.94494241982 204207.81334781984 212.38509921985 244.10774411986 259.51940851987 280.48780491988 340.1144311989 403.8134151990 412.43697481991 425.87346551992 455.30393331993 526.76537591994 651.92802061995 760.16068051996 824.92080251997 852.05314011998 853.62065621999 848.8872265 867.9148936 865.720524 856.9421023 867.6289169 895.977 922.2307989 945.2393119 971.4590965 997.6918235 987.4292115 1029.115278 1085.92359;run;procgplotdata=a;plotdif*time;symbolv=stari=joinc=red;run;一階差分后平穩(wěn)性檢查procarimadata=a;identifyvar=difnlag=12;run;建立最優(yōu)模型procarimadata=a;identifyvar=difnlag=12minicp=(0:5)q=(0:5);run;參數(shù)預(yù)計(jì)estimatep=1;run;模型的預(yù)測(cè)forecastlead=3id=timeout=out;run;擬合圖procprintdata=out;procgplot;plotdif*time=2forecast*time=3(l95u95)*time=4/overlay;symbol2c=blacki=nonev=star;symbol3c=redi=joinv=none;symbol4c=greeni=joinv=nonel=3w=1;run;外商投資X5數(shù)據(jù)時(shí)序圖dataa;inputyearx5;time=intnx('year','1jan1978'd,_n_-1);formattimeyear4.;cards; 1978 231979 541980 861981 1021982 1461983 1821984 2521985 16341986 18531987 23371988 29571989 51811990 48441991 91621992 293981993 1032711994 1144491995 1257751996 151997 1503451998 1318021999 153262 161266 221162 316002 544936 668128 772271 888935 1036576 1007294 993974 1100175 1166601;run;procgplotdata=a;plotx5*time;symbolv=stari=joinc=red;run;一階差分dataa;inputyearx5;time=intnx('year','1jan1978'd,_n_-1);formattimeyear4.;dif=dif(x5);cards;1978 231979 541980 861981 1021982 1461983 1821984 2521985 16341986 18531987 23371988 29571989 51811990 48441991 91621992 2939