2.3-非平稳时间序列分析

最新推荐文章于 2023-07-19 20:02:43 发布

PzLu

最新推荐文章于 2023-07-19 20:02:43 发布

阅读量8k

点赞数 6

分类专栏：数学建模

本文链接：https://blog.csdn.net/Richard__Ting/article/details/81009155

版权

本文介绍了非平稳时间序列分析，包括通过差分将非平稳序列转化为平稳序列，以及如何利用ARIMA模型进行拟合。详细讨论了一阶差分、二阶差分以及季节性差分在数据处理中的应用，并展示了ARIMA模型的结构、建模、疏稀疏模型和季节模型的构建过程。最后，通过实际案例解释了模型选择和残差检验的重要性。

摘要由CSDN通过智能技术生成

时间序列分析

第三节非平稳时间序列分析

一般，我们得到的序列都是非平稳序列。
这便要求我们对其进行处理。

非平稳序列变为平稳序列（利用差分运算）
ARIMA模型的拟合

3.1 非平稳序列变为平稳序列（利用差分运算）

序列显著线性趋势-一阶差分
例题1 1964年—1999年中国纱年产量序列蕴含着一个近似线性的递增趋势。对该序列进行一阶差分运算。

代码:

goptions vsize=10cm hsize=10cm;
data a;
input year sha;
dif=dif(sha);/*一阶差分*/
cards;
1964    97
1965    130
1966    156.5
1967    135.2
1968    137.7
1969    180.5
1970    205.2
1971    190
1972    188.6
1973    196.7
1974    180.3
1975    210.8
1976    196
1977    223
1978    238.2
1979    263.5
1980    292.6
1981    317
1982    335.4
1983    327
1984    321.9
1985    353.5
1986    397.8
1987    436.8
1988    465.7
1989    476.7
1990    462.6
1991    460.8
1992    501.8
1993    501.5
1994    489.5
1995    542.3
1996    512.2
1997    559.8
1998    542
1999    567
;
proc gplot;
plot sha*year;
plot dif*year;
symbol v=star c=blue i=join;
run;

结果图：
原始序列图：
这里写图片描述
一阶差分：

序列蕴含曲线趋势-通常低阶（二阶、三阶）差分
例题2 尝试提取1950年—1999年北京市民用车辆拥有量序列的确定性信息。
代码：

data a;
input year x;
dif1=dif(x);
dif2=dif(dif1);/*2阶差分*/
cards;
1950    5.43
1951    6.19
1952    6.63
1953    7.18
1954    8.95
1955    10.14
1956    11.74
1957    12.6
1958    17.26
1959    21.07
1960    22.38
1961    24
1962    24.8
1963    26.13
1964    27.61
1965    29.95
1966    33.92
1967    33.21
1968    34.8
1969    37.16
1970    42.41
1971    49.44
1972    57.74
1973    67.27
1974    78.57
1975    91.71
1976    106.7
1977    119.93
1978    135.84
1979    155.49
1980    178.29
1981    199.14
1982    215.75
1983    232.63
1984    260.41
1985    321.12
1986    361.95
1987    408.07
1988    464.38
1989    511.32
1990    551.36
1991    606.11
1992    691.74
1993    817.58
1994    941.95
1995    1040
1996    1100.08
1997    1219.09
1998    1319.3
1999    1452.94
;
proc gplot;
plot x*year;
plot dif1*year;
plot dif2*year;
symbol v=star c=red i=join;
run;

结果图：
原始序列图：
这里写图片描述
一阶差分：

二阶差分：

有着固定周期（看时序图和自相关图）-通常差分+步长
例题3 差分运算提取1962年1月—1975年12月平均每头奶牛的月产奶量序列中的确定性信息。

代码：

data a;
input milk@@;
time=intnx('month','1jan1962'd,_n_-1);
format time year4.;
dif1=dif(milk);/*一阶差分*/
dif1_12=dif12(dif1);/*12步差分*/
cards;
589 561 640 656 727 697 640 599
568 577 553 582 600 566 653 673
742 716 660 617 583 587 565 598
628 618 688 705 770 736 678 639
604 611 594 634 658 622 709 722
782 756 702 653 615 621 602 635
677 635 736 755 811 798 735 697
661 667 645 688 713 667 762 784
837 817 767 722 681 687 660 698
717 696 775 796 858 826 783 740
701 706 677 711 734 690 785 805
871 845 801 764 725 723 690 734
750 707 807 824 886 859 819 783
740 747 711 751 804 756 860 878
942 913 869 834 790 800 763 800
826 799 890 900 961 935 894 855
809 810 766 805 821 773 883 898
957 924 881 837 784 791 760 802
828 778 889 902 969 947 908 867
815 812 773 813 834 782 892 903
966 937 896 858 817 827 797 843
;
proc gplot;
plot milk*time dif1*time dif1_12*time;
symbol v=diamond c=blue i=join;
run;