3、选择适当模型拟合序列发展
绘制原序列时序图,如下图所示。由时序图可以看出序列非平稳,含有显著的周期性,可以进行一阶12步差分运算处理。
一阶12步差分序列的时序图、自相关图、偏自相关图如下图所示。
由差分后时序图可以看出序列平稳。自相关图显示延迟1阶和12阶的自相关系数显著大于2倍标准差范围,偏自相关图显示延迟1阶、2阶和12阶的自相关系数显著大于2倍标准差范围,说明差分后序列有短期自相关性和季节效应。
考虑拟合ARIMA(1,1,1)×(0,1,1)12模型。
模型系数拟合结果和残差自相关检验结果如下图所示。
拟合系数p值均小于0.05,显著不为0。
拟合模型为
残差自相关检验p值均大于0.05,可以认为残差序列为白噪声序列。
【程序】
data a;
input x@@;
difx=dif(dif12(x));
t=intnx("month",'01jan1973'd,_n_-1);
format t date.;
cards;
9007 8106 8928 9137 10017 10826 11317 10744 9713 9938 9161 8927 7750 6981
8038 8422 8714 9512 10120 9823 8743 9129 8710 8680 8162 7306 8124 7870 9387
9556 10093 9620 8285 8433 8160 8034 7717 7461 7776 7925 8634 8945 10078 9179
8037 8488 7874 8647 7792 6957 7726 8106 8890 9299 10625 9302 8314 8850 8265
8796 7836 6892 7791 8129 9115 9434 10484 9827 9110 9070 8633 9240
;
proc gplot;
plot x*t difx*t;
symbol1 c=black v=star i =join;
run;
proc arima;
identify var=x(1,12);
estimate p=1 q=(1)(12);
run;