sas 时间序列课后作业 相关系数

sas 时间序列课后作业 相关系数

第二章习题

第一题

代码如下

data example2; input freq@@;

time=intnx('year','1',_n_-1); format year year4; cards;

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ;

proc gplot data =example2; plot freq*time;

symbol c=black v=star i=join; run;

结果如下

平稳序列的时序图应该显示该序列始终在一个常数值附近波动，而且波动范围有界的特点。可是上述时序图是一次函数递增趋势的，所以该序列是非平稳序列。

sas 时间序列课后作业 相关系数

从图中我们发现序列的自相关系数递减到零的速度相当缓慢，在很长的时间延迟时期里，自相关系数一直为正，而后又一直为负，在子相关图上显示出明显的三角对称性，这是具有单调趋势的非平稳序列的一种典型自相关图形式，这和该序列时序图的单调递增是一致的。

各个延迟阶数下的自相关系数如下 K=1 =0.85 K=2 =0.7015 K=3 =0.55602 K=4 =0.41504 K=5 =0.28008 K=6 =0.152635

SPSS

sas 时间序列课后作业 相关系数

Autocorrelations Series:fre Box-Ljung Statistic Lag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Autocorrelation .850 .702 .556 .415 .280 .153 .034 -.074 -.170 -.252 -.319 -.370 -.403 -.416 Std. Errora

Value 16.732 28.761 36.762 41.500 43.800 44.533 44.572 44.771 45.921 48.713 53.693 61.220 71.409 84.087

df 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Sig.

b

.208 .202 .197 .191 .185 .178 .172 .165 .158 .151 .143 .135 .126 .117

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

sas 时间序列课后作业 相关系数

第二题

代码如下

data example2; input ppm@@;

time=intnx('month','01jan1975'd,_n_-1); format time monyy.; cards;

330.45 330.97 331.64 332.87 333.61 333.55 331.90 330.05 328.58 328.31 329.41 330.63

sas 时间序列课后作业 相关系数

331.63 332.46 333.36 334.45 334.82 334.32 333.05 330.87 329.24 328.87 330.18 331.50 332.81 333.23 334.55 335.82 336.44 335.99 334.65 332.41 331.32 330.73 332.05 333.53 334.66 335.07 336.33 337.39 337.65 337.57 336.25 334.39 332.44 332.25 333.59 334.76 335.89 336.44 337.63 338.54 339.06 338.95 337.41 335.71 333.68 333.69 335.05 336.53 337.81 338.16 339.88 340.57 341.19 340.87 339.25 337.19 335.49 336.63 337.74 338.36 ;

proc gplot data =example2; plot ppm*time;

symbol c=black v=star i=join; run;

结果如下

平稳序列的时序图应该显示该序列始终在一个常数值附近波动，而且波动范围有界的特点。可是上述时序图显示每月释放的co2数据以年为周期呈现出规则的周期性，除此之外还有明显的逐年递增的趋势。显然该序列也一定不是平稳序列。

绘制样本自相关图代码如下

sas 时间序列课后作业 相关系数

data example2_2; input ppm@@;

time=intnx('month','1jan1975'd,_n_-1); format time monyy.; cards;

330.45 330.97 331.64 332.87 333.61 333.55 331.90 330.05 328.58 328.31 329.41 330.63 331.63 332.46 333.36 334.45 334.82 334.32 333.05 330.87 329.24 328.87 330.18 331.50 332.81 333.23 334.55 335.82 336.44 335.99 334.65 332.41 331.32 330.73 332.05 333.53 334.66 335.07 336.33 337.39 337.65 337.57 336.25 334.39 332.44 332.25 333.59 334.76 335.89 336.44 337.63 338.54 339.06 338.95 337.41 335.71 333.68 333.69 335.05 336.53 337.81 338.16 339.88 340.57 341.19 340.87 339.25 337.19 335.49 336.63 337.74 338.36 ;

proc arima data=example2_2; identify var=ppm nlag=24; run;

sas 时间序列课后作业 相关系数

从图中我们发现自相关系数长期位于零轴一边，这是具有单调趋势序列的典型特征，同时自相关图呈现出明显的正弦波动规律，这是具有周期变化规律的非平稳序列的典型特征，这和该序列时序图的带长期递增趋势的周期性质非常吻合。

各个延迟阶数下的自相关系数如下：就是上图中第三列correlation的值 K=1 =0.90751 K=2 K=3 K=4 K=5 K=6

=0.72171 =0.51252 =0.34982 =0.24690 =0.20309

后面的图中有显示所以省略。

SPSS

sas 时间序列课后作业 相关系数

第三题

代码如下

data example2; input mm@@;

time=intnx('month','01jan1945'd,_n_-1); format time monyy7.; cards; 69.3 38.4 96.8

80.0 52.3 61.5

40.9 68.6 55.6

74.9 37.1

84.6

101.1 225.0 95.3

100.6 48.3

31.064.835.3

144.5 28.3

148.6 218.7 131.6 112.8 81.8

181.6 73.9 136.9 31.5

47.5

70.1

171.7 220.5 119.4 63.2

174.8 124.0 86.4

166.9 48.0

105.2 89.9 80.5

62.5

112.3 43.0

158.2 7.6 165.9 106.7 92.2

63.2

137.7 80.5 160.8 97.0

sas 时间序列课后作业 相关系数

;

26.2 77.0

116.1 54.1

148.6 159.3 85.3

67.3

52.3 105.4 144.3 49.5

112.8 59.4

proc gplot data =example2; plot mm*time;

symbol c=black v=star i=join; run;

结果如下

平稳序列的时序图应该显示该序列始终在一个常数值附近波动，而且波动范围有界的特点。可是上述时序图显示每月的降雨量数据大致在一个常数波动，可以主观的认为大致趋于平稳。

绘制样本自相关图代码如下

data example2_2; input mm@@;

time=intnx('month','1jan1945'd,_n_-1); format time monyy7.; cards; 69.3

80.0

40.9

74.9

84.6

101.1 225.0 95.3

100.6 48.3

144.5 28.3

sas 时间序列课后作业 相关系数

38.4 ; 96.8

52.3 61.5

68.6 55.6

37.1 148.6 218.7 131.6 112.8 81.8

181.6 73.9 136.9 31.5

31.064.83 …… 此处隐藏：4650字，全部文档内容请下载后查看。喜欢就下载吧 ……