17、
(1)判断该序列平稳性和纯随机性:
绘制该序列时序图,如下图所示,时序图显示该序列波动平稳。
利用白噪声检验该序列的纯随机性,检验结果如下所示,白噪声检验的第四列p值为0.0387小于显著性水平(a=0.05),拒绝纯随机性的原假设,所以序列表现非随机性。
(2)如果序列平稳且非白噪声,选择适当的模型拟合该序列的发展:
在自相关延迟阶数小于等于5,移动平均延迟阶数也小于等于5的所有ARMA(p,q)模型中,BIC信息量相对最小的是ARMA(1,0)模型,即AR(1)模型。
AR(1)模型参数估计如下所示,拟合模型为:
(3)利用拟合模型,预测该城市未来五年的降雪量:
拟合模型预测结果如下所示,未来5年降雪量预测值为:90.1563mm、83.8882mm、81.9083mm、81.2829mm、81.0853mm。
【程序】
data example1;
input x@@;
time=_n_;
cards;
126.4 82.4 78.1 51.1 90.9 76.2 104.5 87.4
110.5 25 69.3 53.5 39.8 63.6 46.7 72.9
79.6 83.6 80.7 60.3 79 74.4 49.6 54.7
71.8 49.1 103.9 51.6 82.4 83.6 77.8 79.3
89.6 85.5 58 120.7 110.5 65.4 39.9 40.1
88.7 71.4 83 55.9 89.9 84.8 105.2 113.7
124.7 114.5 115.6 102.4 101.4 89.8 71.5 70.9
98.3 55.5 66.1 78.4 120.5 97 110 ;
proc gplot data=example1;
plot x*time=1;
symbol1 c=red I=Join v=star;
proc arima data=example1;
identify var=x nlag=8 minic p=(0:5) q=(0:5);
estimate p=1;
forecast lead=5 id=time out=results;
run;
18、
(1) 判断该序列平稳性和纯随机性:
绘制该序列时序图,如下图所示,时序图显示该序列波动平稳。
利用白噪声检验该序列的纯随机性,检验结果如下所示,白噪声检验的第四列p值小于显著性水平(a=0.05),拒绝纯随机性的原假设,所以序列表现非随机性。
(2) 选择适当的模型拟合该序列的发展:
在自相关延迟阶数小于等于5,移动平均延迟阶数也小于等于5的所有ARMA(p,q)模型中,BIC信息量相对最小的是ARMA(1,0)模型,即AR(1)模型。
AR(1)模型参数估计如下所示,拟合模型为:
(3) 利用拟合模型,预测该地区未来5年的谷物产量:
拟合模型预测结果如下所示,未来5年的谷物产量预测值为:0.7046千吨、0.7956千吨、0.8295千吨、0.8421千吨、0.8468千吨。
【程序】
data example2;
input x@@;
time=_n_;
cards;
0.97 0.45 1.61 1.26 1.37 1.43 1.32 1.23 0.84 0.89 1.18
1.33 1.21 0.98 0.91 0.61 1.23 0.97 1.10 0.74 0.80 0.81
0.80 0.60 0.59 0.63 0.87 0.36 0.81 0.91 0.77 0.96 0.93
0.95 0.65 0.98 0.70 0.86 1.32 0.88 0.68 0.78 1.25 0.79
1.19 0.69 0.92 0.86 0.86 0.85 0.90 0.54 0.32 1.40 1.14
0.69 0.91 0.68 0.57 0.94 0.35 0.39 0.45 0.99 0.84 0.62
0.85 0.73 0.66 0.76 0.63 0.32 0.17 0.46
;
proc gplot data=example2;
plot x*time=1;
Symbol1 c=red I=Join v=star;
proc arima data=example2;
identify var=x nlag=8 minic p=(0:5) q=(0:5);
estimate p=1;
forecast lead=5 id=time out=results;
run;