第五章-课后习题

5.1

题目：我国1949-2008年每年铁路货运量数据如表5-9所示：

请选择适当的模型拟合该序列，并预测2009-2013年我国铁路货运量。

SAS程序

data a; input volume@@; year=intnx("year",'01jan1949'd,_n_-1); format year year4.; cards; 54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 ; proc arima data=a; identify var=volume; identify var=volume(1) stationarity=(adf); estimate p=1; forecast lead=5; run;

答案：

该序列1阶差分后平稳，根据差分后序列的自相关图拖尾和偏自相关图1阶截尾特征，对该序列拟合ARIMA(1,1,0)模型，模型参数如下：

根据该模型，得到2009-2013年我国铁路货运量的预测值为：

5.2

1750-1849年瑞典人口出生率数据如表5-10所示。

请选择适当的模型拟合该序列的发展。

SAS程序

data a; input year birth_rate; cards; 1750   9 1751   12 ┄（数据略） ; proc arima data=a; identify var=birth_rate stationarity=(adf); estimate p=1; run;

答案

该序列adf检验平稳，根据自相关图和偏自相关图特征，可以识别为偏自相关图1阶截尾，拟合AR（1）模型。参数输出结果如下：

5.3

1867-1938年英国（英格兰及威尔士）的绵羊数量如表5-11所示（行数据）

1. 确定该序列的平稳性
2. 选择适当模型拟合该序列的发展
3. 利用拟合模型预测1939-1945年英国绵羊的数量

SAS程序

data a; input number@@; year=intnx("year",'01jan1867'd,_n_-1); format year year4.; cards; 2203 2360 2254 2165 2024 2078 2214 2292 2207 2119 2119 2137 2132 1955 1785 1747 1818 1909 1958 1892 1919 1853 1868 1991 2111 2119 1991 1859 1856 1924 1892 1916 1968 1928 1898 1850 1841 1824 1823 1843 1880 1968    2029 1996 1933 1805 1713 1726 1752 1795 1717 1648 1512 1338 1383 1344 1384    1484 1597 1686 1707 1640 1611 1632 1775 1850 1809 1653 1648 1665 1627 1791 ; proc arima data=a; identify var=number stationarity=(adf); identify var=number(1) stationarity=(adf); estimate p=3; estimate p=(1,3) noint; forecast lead=