时间序列的分析课后作业
《应用时间序列分析》
实训报告
实训项目名称时间序列预处理
实训时间 2013年10月14日
实训地点实验楼309
班级统计1004班
学号 1004100415
姓名范瑛
《应用时间序列分析》
实训(实践) 报告
实训名称时间序列预处理
一、实训目的
目的：熟悉平稳性检验方法和纯随机性检验方法的相关理论和软件实现的过程，并对结果给出解释，加深对理论的理解，提高动手能力。
任务：Eviews软件的常用菜单方式和命令方式操作；时间序列的自相关函数计算；序列的初步分析，并序列进行平稳性和纯随性进行检验，并写出实训报告。
二、实训要求
1、掌握Eviews软件的工作文件建立方法；
2、对时间序列进行初步分析，总结特征；
3、学会用Eviews软件计算时间序列分析相关函数的；
4、对序列进行平稳性和纯随性检验；
5、在上完机后要写出实验报告。
三、实训内容
1、熟悉Eviews软件的菜单操作和命令操作，包括工作文件的建立、数据的输入
与编辑、新序列的产生、在工作文件窗口中删除、更名变量、序列的各种观察(线图、各种统计量)以及时间序列的差分运算和相关函数的计算。本部分主要由教师来演示介绍。
2、初步对序列进行观察，对序列进行观察分析，求出序列的自相关函数和Q-统
计量，并对序列进行平稳性检验和纯随机性检验。
四、实训分析与总结
第一题
根据Eviews分析所得时间序列图如图1所示：
图1：系列样本序列时序图
该时序图显示系列样本有明显的递增趋势，所以它一定不是平稳序列。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |****** | . |****** | 1 0.729 0.729 12.293 0.000
. |**** | . | . | 2 0.511 -0.042 18.682 0.000
. |*** | . | . | 3 0.342 -0.033 21.712 0.000
. |**. | . | . | 4 0.215 -0.025 22.983 0.000
. |* . | . | . | 5 0.124 -0.016 23.435 0.000
. | . | . | . | 6 0.063 -0.008 23.560 0.001
. | . | . | . | 7 0.026 -0.002 23.584 0.001
. | . | . | . | 8 0.008 0.003 23.586 0.003
. | . | . | . | 9 0.001 0.005 23.586 0.005
. | . | . | . | 10 0.000 0.003 23.586 0.009
. | . | . | . | 11 0.000 -0.001 23.586 0.015
. | . | . | . | 12 0.000 -0.001 23.586 0.023
图2：系列样本序列自相关图
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，在很长的延迟
时期里，自相关系数一直为正。这是具有单调趋势的非平稳序列的一种典型的自
相关图形式。这和该序列时序图显示的显著的单调递增性是一致的。
第二题
根据Eviews分析所得时间序列图如图3所示：
图3：夏威夷岛莫那罗亚火山每月释放的CO2的序列时序图该时序图清晰的显示火山每月释放的CO2以年味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。显示该序列一定不是平稳序列。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |*******| . |*******| 1 0.890 0.890 59.450 0.000
. |***** | ***| . | 2 0.706 -0.416 97.366 0.000
. |**** | **| . | 3 0.481 -0.223 115.23 0.000
. |** | . |*. | 4 0.286 0.110 121.62 0.000
. |*. | . |*. | 5 0.144 0.071 123.28 0.000
. |*. | . |*. | 6 0.077 0.112 123.76 0.000
. |*. | . |** | 7 0.095 0.200 124.50 0.000
. |*. | . |** | 8 0.196 0.257 127.68 0.000
. |** | **| . | 9 0.281 -0.277 134.36 0.000
. |*** | . | . | 10 0.342 0.003 144.41 0.000
. |*** | . |*** | 11 0.400 0.427 158.37 0.000
. |*** | **| . | 12 0.412 -0.207 173.46 0.000 图4：夏威夷岛莫那罗亚火山每月释放的CO2的序列自相关图自相关图显示序列自相关系数长期位于零轴的一边，这是具有单调趋势的典型特征，同时自相关图呈现出明显的正弦波动规律，这是具有周期性变化规律的非平稳序列的典型特征。自相关图显示出来的这两个性质和该序列时序图显示出的带长期递增趋势的周期性质是非常吻合的。
第三题
根据Eviews分析所得时间序列图如图5所示:
图5：费城月度降雨量时序图
时序图显示费城月度降雨量始终围绕在120mm附近随机波动，没有明显趋势或周期，基本可以视为平稳序列。为了稳妥起见，我们还需要利用自相关进一步辅助识别。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. | . | . | . | 1 0.016 0.016 0.0200 0.888 . | . | . | . | 2 0.037 0.037 0.1236 0.940 . | . | . | . | 3 -0.043 -0.044 0.2673 0.966 .*| . | .*| . | 4 -0.176 -0.177 2.7029 0.609 **| . | **| . | 5 -0.253 -0.254 7.8100 0.167 .*| . | .*| . | 6 -0.099 -0.103 8.6077 0.197 . | . | . | . | 7 -0.046 -0.056 8.7792 0.269 .*| . | .*| . | 8 -0.067 -0.132 9.1490 0.330 . |*. | . | . | 9 0.066 -0.049 9.5161 0.391 . |*. | . | . | 10 0.076 -0.034 10.009 0.440 . |** | . |*. | 11 0.248 0.192 15.392 0.165 . |** | . |** | 12 0.272 0.276 21.959 0.038 . | . | . | . | 13 -0.035 -0.044 22.072 0.054 . | . | . |*. | 14 0.040 0.070 22.219 0.074 .*| . | . | . | 15 -0.129 -0.001 23.783 0.069 **| . | .*| . | 16 -0.232 -0.064 28.926 0.024
图6:城月度降雨量序列的自相关图
自相关图显示该序列的自相关系数一直都比较小，可以认为该序列自始至终
都在零轴附近波动，这是随机性非常强的平稳时间序列通常具有的自相关图特征。
自相关图中有Q统计量，其P值显著大于显著性水平α，所以不能拒绝原假设，认为该序列是白噪声序列。换言之，我们可以认为该序列的波动没有任何统计规律可循，因而可以停止对该序列的统计分析。
第五题
根据
时序图显示公司四年来每月的销售量以年为周期呈现出规则的周期性，显然该序列一定不是平稳序列。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |***** | . |***** | 1 0.739 0.739 27.925 0.000
. |*** | .*| . | 2 0.457 -0.198 38.823 0.000
. |*. | ***| . | 3 0.081 -0.407 39.175 0.000
**| . | ***| . | 4 -0.320 -0.437 44.762 0.000
*****| . | **| . | 5 -0.619 -0.301 66.134 0.000
*****| . | . | . | 6 -0.721 -0.037 95.837 0.000
*****| . | . |*. | 7 -0.629 0.112 119.02 0.000
**| . | . |** | 8 -0.340 0.279 125.94 0.000
. | . | . |*. | 9 0.011 0.139 125.95 0.000
. |** | . | . | 10 0.334 -0.058 132.98 0.000
. |**** | . | . | 11 0.580 -0.040 154.78 0.000
. |***** | . |** | 12 0.731 0.300 190.40 0.000
. |**** | .*| . | 13 0.567 -0.188 212.43 0.000
. |** | . | . | 14 0.349 0.052 221.04 0.000
. | . | . | . | 15 0.046 0.063 221.20 0.000
**| . | . |*. | 16 -0.245 0.142 225.69 0.000
图8：2000年—2003年公司每月销售量的自相关图
自相关图现实序列自相关系数一直为正，然后一直为负，同时自相关图呈现出明显的正弦波动规律，这是具有周期性变化规律的非平稳序列的典型特征。自相关显示出来的这个特征和该序列时序图显示出来的周期性性质是非常吻合的。
由图八可以得到该序列延迟20期的样本自相关系数，同时由于检验结果显示，在各阶延迟下检验统计量的P值都非常小，所以我们可以以很大把握断定公司2000年至2003年每月销售量序列属于非白噪声序列。
结合前面的非平稳性检验结果，说明该序列不仅可以视为是非平稳的周期性序列，还蕴含着值得提取的相关信息。
题目六
时序图显示序列变化较为剧烈，仅从时序图中观察不出是否为平稳序列，我们进一步用自相关图分析。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |*** | . |*** | 1 0.476 0.476 13.602 0.000
. |**** | . |** | 2 0.488 0.338 28.182 0.000
. |** | . | . | 3 0.310 -0.007 34.160 0.000
. |*. | .*| . | 4 0.213 -0.070 37.041 0.000
. |*. | . | . | 5 0.192 0.055 39.418 0.000
. | . | .*| . | 6 0.032 -0.130 39.486 0.000
. |*. | . |** | 7 0.194 0.216 42.018 0.000
. |*. | . | . | 8 0.110 0.043 42.851 0.000
. |*. | .*| . | 9 0.106 -0.074 43.643 0.000
. |*. | . |*. | 10 0.161 0.099 45.503 0.000
. |*. | . | . | 11 0.113 0.019 46.435 0.000
. |*. | . | . | 12 0.163 0.010 48.425 0.000
. | . | .*| . | 13 0.018 -0.100 48.450 0.000
.*| . | **| . | 14 -0.128 -0.311 49.732 0.000
.*| . | .*| . | 15 -0.164 -0.101 51.896 0.000
.*| . | . |*. | 16 -0.202 0.083 55.249 0.000 图10：1969年1月—1973年9月海德公园抢包案件发生次数的自相关图自相关图显示序列自相关系数长期位于令咒的一边，这是具有单调趋势序列的典型特征，这表示该序列为非平稳序列。同时P值都非常小，所以我们有很大
时序图显示新生成的y序列始终围绕在0附近波动，没有明显的趋势或者周期性，基本可以视为平稳序列，为了稳妥起见，我们还需要利用自相关图进一步辅助识别。
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
****| . | ****| . | 1 -0.503 -0.503 14.938 0.000
. |*. | .*| . | 2 0.188 -0.088 17.053 0.000
.*| . | . | . | 3 -0.081 -0.030 17.454 0.001
.*| . | .*| . | 4 -0.090 -0.175 17.955 0.001
. |*. | . | . | 5 0.146 0.030 19.306 0.002
**| . | **| . | 6 -0.308 -0.283 25.450 0.000
. |** | .*| . | 7 0.225 -0.099 28.820 0.000
.*| . | . | . | 8 -0.081 0.004 29.260 0.000
. | . | .*| . | 9 -0.043 -0.143 29.390 0.001
. |*. | .*| . | 10 0.075 -0.092 29.790 0.001
. | . | . | . | 11 -0.060 -0.027 30.053 0.002
. |*. | . | . | 12 0.165 0.066 32.066 0.001
. | . | . |** | 13 0.024 0.250 32.110 0.002
.*| . | . | . | 14 -0.095 0.045 32.806 0.003
. | . | .*| . | 15 -0.001 -0.118 32.806 0.005
. | . | . | . | 16 -0.016 0.022 32.826 0.008
图12：生成y序列的自相关图
自相关图显示该序列的自相关系数一直都比较小，始终控制在一定的标准差以内，可以认为该序列自始至终都在零轴附近波动，这是随机性非常强的平稳时间序列通常具有的自相关图特征。
检验结果显示，P值都比较小，我们有很大的把握断定生成的y序列属于白噪声序列。结合前面的平稳性检验结果，说明该序列不仅可以视为是平稳的，而且还蕴含着值得提取的相关信息。
应用时间序列分析第4章答案
河南大学: 姓名:汪宝班级:七班学号:1122314451 班级序号:68 5:我国1949年－2008年年末人口总数(单位:万人)序列如表4－8所示(行数据)．选择适当的模型拟合该序列的长期数据，并作5期预测。 解：具体解题过程如下：（本题代码我是做一问写一问的） 1:观察时序图: data wangbao4_5; input x@@; time=1949+_n_-1; 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 gplot data=wangbao4_5; plot x*time=1; symbol1c=black v=star i=join; run; 分析:通过时序图,我可以发现我国1949年－2008年年末人口总数(随时间的变化呈现出线性变化.故此时我可以用线性模型拟合序列的发展． X t=a+b t+I t t=1,2,3,…,60 E(I t)=0,var(I t)=σ2 其中，I t为随机波动；X t=a+b就是消除随机波动的影响之后该序列的长期趋势。
时间序列分析作业
时间序列分析作业 1、数据收集 通过长江证券金长江网上交易软件收集中信证券(600030)股价数据（2010-7-1~2011-5-9，共200组），保存文件，命名为“股价数据”。 2、工作表建立 打开eviews，点击file下拉菜单中的new项选择workfile项，弹出窗口如下： （1）、在datespecification中选择integer date。 （2）、在start和end中分别输入“1”“200” （3）、在wf项后面的框中输入工作表名称hr，点击ok。 窗口如下： 3、数据导入 在hr工作文件的菜单选项中选择pro，在弹出的下拉菜单中选择import，然后再下拉二级菜单中选择read text-lotus-excell，找到数据，双击弹出如下对话框：
默认date order，选择右边upper-left data cell下面的空格填写，输入excel中第一个有效数据单元格地址B6，在names for series or number if named in file 中输入序列名称，不妨设为s，点击ok，导入数据。 4、平稳性检验 点击s序列，选择菜单view/correlogram，弹出correlogram specification对话框，如下图，在对话框中默认level，lags to include 改为20（200/10），可得下图：
序列的自相关系数没有很快的趋近0，说明原序列是非平稳的序列。 5、对原序列做对数差分处理 A、在主窗口输入smpl 2 200，对样本数据进行选取， B、在主命令窗口输入series is=log(s)-log(s(-1)) 可以得到新的序列is 对is序列做同上的平稳性检验可以得到如下图：
时间序列分析习题
第8章时间序列分析 一、填空题： 1．平稳性检验的方法有__________、__________和__________。 2．单位根检验的方法有：__________和__________。 3．当随机误差项不存在自相关时，用__________进行单位根检验；当随机误差项存在自相关时，用__________进行单位根检验。 4．EG检验拒绝零假设说明______________________________。 5．DF检验的零假设是说被检验时间序列__________。 6．协整性检验的方法有__________和__________。 7．在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意义的关系，但经常会得到一个很高的2R的值，这种情况说明存在__________问题。 8．结构法建模主要是以______________________________来确定计量经济模型的理论关系形式。 9．数据驱动建模以____________________作为建模的主要准则。 10．建立误差校正模型的步骤为一般采用两步：第一步，____________________；第二步，____________________。 二、单项选择题：
1. 某一时间序列经一次差分变换成平稳时间序列，此时间序列称为（）。 A．1阶单整 ??? B．2阶单整??? C．K阶单整 ?? ?D．以上答案均不正确 2.? 如果两个变量都是一阶单整的，则（）。 A．这两个变量一定存在协整关系 B．这两个变量一定不存在协整关系 C．相应的误差修正模型一定成立 D．还需对误差项进行检验 3．当随机误差项存在自相关时，进行单位根检验是由（）来实现。 A DF检验 B．ADF检验 C．EG检验 D．DW检验 4．有关EG检验的说法正确的是（）。 A．拒绝零假设说明被检验变量之间存在协整关系 B．接受零假设说明被检验变量之间存在协整关系 C．拒绝零假设说明被检验变量之间不存在协整关系 D．接受零假设说明被检验变量之间不存在协整关系
时间序列分析试卷及答案3套
时间序列分析试卷1 一、 填空题（每小题2分，共计20分） 1. ARMA(p, q)模型_________________________________，其中模型参数为 ____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)： 1210.50.40.3t t t t t X X X εε---=++- 则所对应的特征方程为_______________________。 4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是 _______________________。 5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。 6. 对于一阶自回归模型MA(1): 10.3t t t X εε-=-，其自相关函数为 ______________________。 7. 对于二阶自回归模型AR(2): 120.50.2t t t t X X X ε--=++ 则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型： 1111t t p t p t t q t q X X X φφεθεθε----=++++++L L 则预测方差为___________________。 9. 对于时间序列{}t X ，如果___________________，则()~t X I d 。 10. 设时间序列{}t X 为来自GARCH(p ，q)模型，则其模型结构可写为_____________。 二、（10分）设时间序列{}t X 来自()2,1ARMA 过程，满足 ()()2 10.510.4t t B B X B ε -+=+, 其中{}t ε是白噪声序列，并且()()2 t t 0,E Var εεσ==。
时间序列作业
3-17 解：(1)判断该序列的平稳性与纯随机性。 1)根据题中所列数据，绘制该序列的时序图，如图3-17-1所示。 图3-17-1：某城市过去63年中每年降雪量时序图 其中x表示每年降雪量。 时序图显示某城市过去每年降雪量始终围绕在80.3mm附近随机波动，没有明显的趋势或周期性，基本可视为平稳序列。 2)自相关图检验。如图3-17-2所示。 图3-17-2：样本自相关图 样本自相关图显示延迟2阶之后，该序列的自相关系数都落入2倍标准误之内，而且自相关系数在零值附近波动，是典型的短期相关自相关图。 由时序图和样本自相关图的性质，可以认为该序列为平稳序列。 α=，检验结果见表3-17-1。 3)纯随机性检验(0.05) 表3-17-1：纯随机性检验结果 <，认为该序列为检验结果显示，在6阶延迟下LB检验统计量的P值0.05 非白噪声序列。 (2)拟合模型 1)模型识别。
根据样本自相关图、偏自相关图对模型进行直接识别。由(1)可知，该序列在6阶延迟下平稳且非白噪声，已知样本自相关图，即图3-17-2所示，偏自相关图如下图所示。 图3-17-3：样本偏自相关图 而该序列的图像并不能直接识别出较为准确的模型，因此进一步利用SAS对模型进行最优模型定阶，结果如图3-17-4所示： 图3-17-4：最小信息量结果 最后一条信息显示，在自相关延迟系数小于等于5，移动平均延迟系数也小于等于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。 2)参数估计。 先利用SAS输出未知参数估计结果，如下表所示。 表3-17-2：未知参数估计结果 3)模型检验。 利用SAS，残差序列白噪声检验结果如下表所示。 表3-17-3：残差自相关检验结果
时间序列分析练习题
第二十七章时间序列分析 一、单项选择题 1、以下关于发展水平的说法中，错误的是（）。 A、在绝对数时间序列中，发展水平是绝对数 B、在相对数时间序列中，发展水平表现为相对数 C、发展水平是时间序列中对应于具体时间的指标数值 D、平均数时间序列中，发展水平表现为绝对数 2、（）也称序时平均数或动态平均数，是对时间序列中各时期发展水平计算的平均数，它可以概括性描述现象在一段时期内所达到的一般水平。 A、发展水平 B、发展速度 C、平均发展水平 D、平均发展速度 我国2005—2017年平均每年第三产业就业人数是（）万人。 A、12 480 B、12 918 C、14 000 D、14 412 4、环比发展速度等于（）。 A、逐期增长量与其前一期水平之比 B、累计增长量与最初水平之比 C、报告期水平与最初水平之比 D、报告期水平与其前一期水平之比 5、已知一个序列的环比发展速度为102%、103%、105%，则该序列的定基发展速度为（）。 A、103% B、105% C、110% D、112% 6、以相对数形式表示的两个不同时期发展水平的比值是（）。 A、增长量 B、发展水平 C、增长速度 D、发展速度 7、已知某地区2012-2016年社会消费品零售总额的环比增长速度分别为5%、7%、10%、11%，则这一时期该地区社会消费品零售总额的定基增长速度为（）。 A、5%×7%×10%×11% B、（5%×7%×10%×11%）+1
C、105%×107%×110%×111% D、（105%×107%×110%×111%）-1 8、甲企业某种商品前11个月的实际销售量如下表所示。采用移动平均数法预测，取k＝3，则第 A、303 B、350 C、384 D、394 9、目前计算平均发展速度通常采用（）。 A、众数 B、几何平均法 C、算术平均法 D、增长1%的绝对值法 10、某企业2010年—2016年销售收入的年平均增长速度是27.6%，这期间相应的年平均发展速度是（）。 A、4.6% B、17.6% C、127.6% D、72.4% 11、平均增长速度与平均发展速度的数量关系是（）。 A、平均增长速度=1/平均发展速度 B、平均增长速度＝平均发展速度－1 C、平均增长速度＝平均发展速度＋1 D、平均增长速度＝1－平均发展速度 12、我们经常统计的城镇人口比重属于（）。 A、平均数时间序列 B、相对数时间序列 C、时期序列 D、时点序列 13、下列统计指标中，属于相对指标的是（）。 A、社会消费品零售总额 B、人口性别比 C、房屋建筑面积 D、城镇居民人均可支配收入 14、已知一个有关发展速度的时间序列的指标值是70%、80%、-5%、99%，其平均发展速度（）。 A、61% B、50%
时间序列分析考试卷及答案
考核课程 时间序列分析（B 卷） 考核方式 闭卷 考核时间 120 分钟 注：B 为延迟算子，使得1 -=t t Y BY ；?为差分算子，1--=?t t t Y Y Y 。 一、单项选择题（每小题3 分，共24 分。） 1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。 A. MA(2) B.ARMA(1,1) C.AR(2) D.MA(1) 2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。 A. )1(MA B.)1(AR C.)1,1(ARMA D.)2(MA 3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。 （A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ， （D ） 5.2221=-=λλ， 4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。 A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1) 5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。 A.0 B.64.0 C. 1 6.0 D. 2.0 6.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。 A.5.0- B. 25.0 C. 4.0- D. 8.0 7. 若零均值平稳序列{}t X ?，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。 A. MA(2) B.)2,1(IMA C.)1,2(ARI D.ARIMA(2,1,2) 8. 记?为差分算子，则下列不正确的是（ C ）。 A. 12-?-?=?t t t Y Y Y B. 212 2--+-=?t t t t Y Y Y Y C. k t t t k Y Y Y --=? D. t t t t Y X Y X ?+?=+?） ( 二、填空题（每题3分，共24分）； 1. 若{}t Y 满足： 1312112---Θ-Θ--=??t t t t t e e e e Y θθ， 则该模型为一个季节周期为
时间序列作业
时间序列作业 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
3-17 解：(1)判断该序列的平稳性与纯随机性。 1)根据题中所列数据，绘制该序列的时序图，如图3-17-1所示。 图3-17-1：某城市过去63年中每年降雪量时序图 其中x表示每年降雪量。 时序图显示某城市过去每年降雪量始终围绕在80.3mm附近随机波动，没有明显的趋势或周期性，基本可视为平稳序列。 2)自相关图检验。如图3-17-2所示。 图3-17-2：样本自相关图 样本自相关图显示延迟2阶之后，该序列的自相关系数都落入2倍标准误之内，而且自相关系数在零值附近波动，是典型的短期相关自相关图。 由时序图和样本自相关图的性质，可以认为该序列为平稳序列。 α=，检验结果见表3-17-1。 3)纯随机性检验(0.05)
表3-17-1：纯随机性检验结果 检验结果显示，在6阶延迟下LB检验统计量的P值0.05 ，认为该序列为非白噪声序列。 (2)拟合模型 1)模型识别。 根据样本自相关图、偏自相关图对模型进行直接识别。由(1)可知，该序列在6阶延迟下平稳且非白噪声，已知样本自相关图，即图3-17-2所示，偏自相关图如下图所示。 图3-17-3：样本偏自相关图 而该序列的图像并不能直接识别出较为准确的模型，因此进一步利用SAS对模型进行最优模型定阶，结果如图3-17-4所示： 图3-17-4：最小信息量结果
最后一条信息显示，在自相关延迟系数小于等于5，移动平均延迟系数也小于等于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。 2)参数估计。 先利用SAS输出未知参数估计结果，如下表所示。 表3-17-2：未知参数估计结果 3)模型检验。 利用SAS，残差序列白噪声检验结果如下表所示。 表3-17-3：残差自相关检验结果 残差白噪声检验显示延迟6阶、12阶、18阶、24阶LB检验统计量的P值均显著大于0.05，所以该AR(1)模型显著有效。 参数显著性检验结果(见表3-17-2)显示两个参数t统计量的P值均小于 0.05，即两个参数均显著。 因此AR(1)模型是该序列的有效拟合模型。 拟合模型的具体形式。 利用SAS，拟合模型的具体形式如下图所示。
时间序列分析作业讲解
《时间序列分析与应用》 课程作业 地震数据（COP.BHZ-24）时间序列分析 一．前言 本次作业选取了第24号文件，共1440个数据。截取前1200个数据进行理分析，然后建立模型。之后再对数据进行预测，然后对1200之后的30个数据进行更新，将更新结果与原观测值进行比对分析，最后得出结论。 二．数据处理
1. 数据读取与画图 首先将文件“COP.BHZ.txt”保存到E盘根目录下，以便于读取。用scan()函数将数据读入，并保存到sugar2文件中。如图1所示。 图1 数据读取 然后，画出该时间序列图。横轴表示时间，单位是*10ms，纵轴表示高程，单位是um。代码及图示如图2、图3所示。 图2 时序图代码 图3 前1200个数据散点图 2. 平稳性检验 从图中看出，该组数据随时间变化基本平稳，仅有小幅波动。最高点与最低点相差也仅在250um之内。通过adf.test()函数可以验证该假设，可以看出该序列是平稳的（stationary）。如图4所示。然后用求平均函数mean()求出这1200个数据的平均值a，可以从图5看到结果。
图4 平稳性检验结果 图5 求平均值 然后，将原始数据减去平均值，得到一组零均值的新数据，命名为sugar3。 3. 数据建模分析 接下来绘制震前数据的自相关函数和偏自相关函数图像，初步判断其大概符合什么模型。图6为画出图像的代码，新序列sugar3的ACF、PACF图像如下所示。 图6 ACF、PACF、EACF图像代码
图7 ACF图 图8 PACF图 从ACF、PACF图可以看出，序列一阶之后相关性较强，虽然在第19阶滞后处有超限的情况，但从总体来看，两个图都是拖尾的情况。因此要借助于EACF 图来做进一步判断。扩展自相关函数EACF图如下。 图9 EACF图 3 模型识别 由EACF图可以看出此时间序列符合ARMA(0,1)或ARMA(2,2)，根据以上信息尚不能明确判断出具体的模型，要建立确定的模型，就需要排除上述模型中的一种，用模型诊断的方法可以实现。模型诊断，或模型评价，涉及检验模型的拟合优度，并且如果拟合程度很差，要给出适当的调整建议。模型诊断的方法有两种：分析拟合模型的残差和分析过度参数化的模型。下面先使用残差法。 3.1 ARMA(0,1)模型诊断
第九章 时间序列分析习题
第九章时间序列分析习题 一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。 二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( )
时间序列分析--习题库
说明：答案请答在规定的答题纸或答题卡上，答在本试卷册上的无效。 一、填空题（本题总计25分） 1. 常用的时间序列数据，有年度数据、（ ）数据和（ ） 数据。另外，还有以（ ）、小时为时间单位计算的数据。 2. 自相关系数j ρ的取值范围为（ ）；j ρ与j -ρ之间的关系是（ ）；0ρ=（ ）。 3.判断下表中各随机过程自相关系数和偏自相关系数的截尾性，并用 2. 如果随机过程{}t ε为白噪音，则 t t Y εμ+= 的数学期望为 ；j 不等于0时，j 阶自协方差等于 ，j 阶自相关系数等于 。因此，是一个 随机过程。 1.（2分）时间序列分析中，一般考虑时间（ ）的（ ）的情形。 3. （6分）随机过程{}t y 具有平稳性的条件是： （1）（ ）和（ ）是常数，与 （ ）无关。 （2）（ ）只与（ ）有关，与 （ ）无关。 7. 白噪音的自相关系数是：
1.白噪音{}t y 的性质是：t y 的数学期望为 ，方差为 ；t y 与j -t y 之间的协方差为 。 1.（4分）移动平均法的特点是：认为历史数据中（ ）的数据对未来的数值有影响，其权数为（ ），权数之和为（ ）；但是，（ ）的数据对未来的数值没有影响。 2. 指数平滑法中常数α值的选择一般有2种： （1）根据经验判断，α一般取 。 （2）由 确定。 3. （5分）下述随机过程中，自相关系数具有拖尾性的有（ ），偏自相关系数具有拖尾性的有（ ）。 ①平稳(2) ②(1) ③平稳(1,2) ④白噪 音过程 4.（5分）下述随机过程中，具有平稳性的有（ ），不具有平稳性的有（ ）。 ①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程 ④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+ 2.（3分）白噪音{}t ε的数学期望为（ ）；方差为（ ）；j 不等于0时，j 阶自协方差等于（ ）。 （2）自协方差与（ ）无关，可能与 （ ）有关。 3. （5分）下述随机过程中，自相关系数具有截尾性的有（ ），偏自相关系数具有截尾性的有（ ）。
第六章时间序列作业试题及答案
第六章动态数列 一、判断题 1.若将某地区社会商品库存额按时间先后顺序排列，此种动态数列属于时期数列。 （） 2.定基发展速度反映了现象在一定时期内发展的总速度，环比发展速度反映了现象 比前一期的增长程度。（） 3.平均增长速度不是根据各期环比增长速度直接求得的，而是根据平均发展速度计 算的。（） 4.用水平法计算的平均发展速度只取决于最初发展水平和最末发展水平，与中间各 期发展水平无关。（） 5.平均发展速度是环比发展速度的平均数，也是一种序时平均数。（） 1、× 2、× 3、√ 4、√ 5、√。 二、单项选择题 1.根据时期数列计算序时平均数应采用（）。 A.几何平均法 B.加权算术平均法 C.简单算术平均法 D.首末 折半法 2.下列数列中哪一个属于动态数列（）。 A.学生按学习成绩分组形成的数列 B.工业企业按地区分组形成的数 列 C.职工按工资水平高低排列形成的数列 D.出口额按时间先后顺序排列形成 的数列 3.已知某企业1月、2月、3月、4月的平均职工人数分别为190人、195人、193 人和201人。则该企业一季度的平均职工人数的计算方法为（）。 4.说明现象在较长时期内发展的总速度的指标是（）。 A、环比发展速度 B.平均发展速度 C.定基发展速度 D.环比增 长速度 5.已知各期环比增长速度为2%、5%、8%和7%，则相应的定基增长速度的计算方法为 （）。 A.（102%×105%×108%×107%）-100% B.102%×105%×108%×107% C.2%×5%×8%×7% D.（2%×5%×8%×7%）-100% 6.定基增长速度与环比增长速度的关系是（）。 A、定基增长速度是环比增长速度的连乘积 B、定基增长速度是环比增长速度之和 C、各环比增长速度加1后的连乘积减1 D、各环比增长速度减1后的连乘积减1 7.间隔不等的时点数列求序时平均数的公式是（）。
(整理)8章 时间序列分析练习题参考答案.
第八章 时间数列分析 一、单项选择题 1.时间序列与变量数列( ) A 都是根据时间顺序排列的 B 都是根据变量值大小排列的 C 前者是根据时间顺序排列的，后者是根据变量值大小排列的 D 前者是根据变量值大小排列的，后者是根据时间顺序排列的 C 2.时间序列中，数值大小与时间长短有直接关系的是( ) A 平均数时间序列 B 时期序列 C 时点序列 D 相对数时间序列 B 3.发展速度属于( ) A 比例相对数 B 比较相对数 C 动态相对数 D 强度相对数 C 4.计算发展速度的分母是( ) A 报告期水平 B 基期水平 C 实际水平 D 计划水平 B 5.某车间月初工人人数资料如下： 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 C 6.某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A 150万人 B 150．2万人 C 150．1万人 D 无法确定 C 7.由一个9项的时间序列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 A 8.采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 A 9.某企业的科技投入，2010年比2005年增长了58．6％，则该企业2006—2010年间科技投入的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 B 10.根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 D 11.在测定长期趋势的方法中，可以形成数学模型的是( ) A 时距扩大法 B 移动平均法 C 最小平方法 D 季节指数法
时间序列习题(含答案)
一、单项选择题 1．时间数列与变量数列() A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间数列中，数值大小与时间长短有直接关系的是() A平均数时间数列B时期数列C时点数列D相对数时间数列 3．发展速度属于() A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是() A报告期水平B基期水平C实际水平D计划水平5．某车间月初工人人数资料如下： 则该车间上半年的平均人数约为() A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为() A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间数列可以计算的环比发展速度( )
A 有8个 B 有9个 C 有10个 D 有7个 8．采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 9．某企业的产值2005年比2000年增长了58．6％，则该企业2001—2005年间产值的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 10．根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 11、时间序列在一年内重复出现的周期性波动称为（ ） A 、长期趋势 B 、季节变动 C 、循环变动 D 、随机变动 1．C 2．B 3．C 4．B 5．C 6．C 7．A 8．A 9．B 10．D 11、B 二、多项选择题 1．对于时间数列，下列说法正确的有( ) A 数列是按数值大小顺序排列的 B 数列是按时间顺序排列的 C 数列中的数值都有可加性 D 数列是进行动态分析的基础
第七章 时间序列分析习题
第七章时间序列分析习题 一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。 二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( )
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。
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 ρ=0.85 K=2 ρ=0.7015 K=3 ρ=0.55602 K=4 ρ=0.41504 K=5 ρ=0.28008 K=6 ρ=0.152635 SPSS
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
时间序列的分析课后作业
《应用时间序列分析》 实训报告 实训项目名称时间序列预处理 实训时间 2013年10月14日 实训地点实验楼309 班级统计1004班 学号 1004100415 姓名范瑛
《应用时间序列分析》 实训(实践) 报告 实训名称时间序列预处理 一、实训目的 目的：熟悉平稳性检验方法和纯随机性检验方法的相关理论和软件实现的过程，并对结果给出解释，加深对理论的理解，提高动手能力。 任务：Eviews软件的常用菜单方式和命令方式操作；时间序列的自相关函数计算；序列的初步分析，并序列进行平稳性和纯随性进行检验，并写出实训报告。 二、实训要求 1、掌握Eviews软件的工作文件建立方法； 2、对时间序列进行初步分析，总结特征； 3、学会用Eviews软件计算时间序列分析相关函数的； 4、对序列进行平稳性和纯随性检验； 5、在上完机后要写出实验报告。 三、实训内容 1、熟悉Eviews软件的菜单操作和命令操作，包括工作文件的建立、数据的输入 与编辑、新序列的产生、在工作文件窗口中删除、更名变量、序列的各种观察(线图、各种统计量)以及时间序列的差分运算和相关函数的计算。本部分主要由教师来演示介绍。 2、初步对序列进行观察，对序列进行观察分析，求出序列的自相关函数和Q-统 计量，并对序列进行平稳性检验和纯随机性检验。 四、实训分析与总结 第一题 根据Eviews分析所得时间序列图如图1所示：
图1：系列样本序列时序图 该时序图显示系列样本有明显的递增趋势，所以它一定不是平稳序列。 Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |****** | . |****** | 1 0.729 0.729 12.293 0.000 . |**** | . | . | 2 0.511 -0.042 18.682 0.000 . |*** | . | . | 3 0.342 -0.033 21.712 0.000 . |**. | . | . | 4 0.215 -0.025 22.983 0.000 . |* . | . | . | 5 0.124 -0.016 23.435 0.000 . | . | . | . | 6 0.063 -0.008 23.560 0.001 . | . | . | . | 7 0.026 -0.002 23.584 0.001 . | . | . | . | 8 0.008 0.003 23.586 0.003 . | . | . | . | 9 0.001 0.005 23.586 0.005 . | . | . | . | 10 0.000 0.003 23.586 0.009 . | . | . | . | 11 0.000 -0.001 23.586 0.015 . | . | . | . | 12 0.000 -0.001 23.586 0.023 图2：系列样本序列自相关图 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，在很长的延迟 时期里，自相关系数一直为正。这是具有单调趋势的非平稳序列的一种典型的自 相关图形式。这和该序列时序图显示的显著的单调递增性是一致的。 第二题 根据Eviews分析所得时间序列图如图3所示：
时间序列分析法原理及步骤
时间序列分析法原理及步骤 ----目标变量随决策变量随时间序列变化系统 一、认识时间序列变动特征 认识时间序列所具有的变动特征, 以便在系统预测时选择采用不同的方法 1》随机性:均匀分布、无规则分布,可能符合某统计分布(用因变量的散点图和直方图及其包含的正态分布检验随机性, 大多服从正态分布 2》平稳性:样本序列的自相关函数在某一固定水平线附近摆动, 即方差和数学期望稳定为常数 识别序列特征可利用函数 ACF :其中是的 k 阶自 协方差,且 平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋于 0, 前者测度当前序列与先前序列之间简单和常规的相关程度, 后者是在控制其它先前序列的影响后,测度当前序列与某一先前序列之间的相关程度。实际上, 预测模型大都难以满足这些条件, 现实的经济、金融、商业等序列都是非稳定的,但通过数据处理可以变换为平稳的。 二、选择模型形式和参数检验 1》自回归 AR(p模型
模型意义仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用,不受模型变量互相独立的假设条件约束,所构成的模型可以消除普通回归预测方法中由于自变量选择、多重共线性的比你更造成的困难用 PACF 函数判别 (从 p 阶开始的所有偏自相关系数均为 0 2》移动平均 MA(q模型 识别条件
平稳时间序列的偏相关系数和自相关系数均不截尾,但较快收敛到 0, 则该时间序列可能是 ARMA(p,q模型。实际问题中,多数要用此模型。因此建模解模的主要工作时求解 p,q 和φ、θ的值,检验和的值。 模型阶数 实际应用中 p,q 一般不超过 2. 3》自回归综合移动平均 ARIMA(p,d,q模型 模型含义 模型形式类似 ARMA(p,q模型, 但数据必须经过特殊处理。特别当线性时间序列非平稳时,不能直接利用 ARMA(p,q模型,但可以利用有限阶差分使非平稳时间序列平稳化,实际应用中 d (差分次数一般不超过 2. 模型识别 平稳时间序列的偏相关系数和自相关系数均不截尾,且缓慢衰减收敛,则该时间序列可能是 ARIMA(p,d,q模型。若时间序列存在周期性波动, 则可按时间周期进
时间序列分析习题
第8 章时间序列分析 一、填空题： 1．平稳性检验的方法有___________ 、_________ 和__________ 。 2．单位根检验的方法有：__________ 和___________ 。 3．当随机误差项不存在自相关时，用____________ 进行单位根检验；当随机误差 项存在自相关时，用___________ 进行单位根检验。 4. ___________________________________________________ EG检验拒绝零假设说明_______________________________________________________ 。 5. __________________________________________ DF检验的零假设是说被检验时间序列___________________________________________ 。 6. ____________________________ 协整性检验的方法有和。 7. 在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意 义的关系，但经常会得到一个很高的R2的值，这种情况说明存在____________ 问题。 8. ________________________________________________ 结构法建模主要是以____________________________________________________________ 来确定计量经济模型的理论关系形式。 9. _________________________________ 数据驱动建模以作为建模的主要准则。 10. 建立误差校正模型的步骤为一般采用两步：第一步，______________________
时间序列分析基于R——习题答案
时间序列分析基于R——习题答案
第一章习题答案 略 第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下
（2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图 2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251
-0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 LB=4.83，LB统计量对应的分位点为0.9634，P 值为0.0363。显著性水平=0.05 ，序列不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下
（2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 ()0t E x =,2 1 () 1.96 10.7 t Var x ==-,22 0.70.49 ρ ==,22 φ = 3.2 1715 φ= ,2 115 φ =
3.3 ()0t E x =,10.15 () 1.98(10.15)(10.8 0.15)(10.80.15) t Var x +==--+++ 10.8 0.70 10.15 ρ= =+,2 10.80.150.41 ρ ρ=-=,3 210.80.150.22 ρ ρρ=-= 1110.70 φρ==,22 20.15 φ φ==-,33 φ = 3.4 10c -<<, 1121,1,2 k k k c c k ρρρρ--? =?-??=+≥? 3.5 证明: 该序列的特征方程为：3 2 --c 0c λλλ+=，解该特征 方程得三个特征根： 11 λ=，2 c λ =3 c λ =-无论c 取什么值，该方程都有一个特征根在单位圆上，所以该序列一定是非平稳序列。证毕。 3.6 (1)错 （2）错 （3）对 （4）错 （5） 3.7 该模型有两种可能的表达式：11 2 t t t x ε ε-=-和 1 2t t t x εε-=-。 3.8 将1 23 100.50.8t t t t t x x C εεε---=++-+等价表达为