多元时间序列建模分析

应用时间序列分析实验报告

实验过程记录（含程序、数据记录及分析和实验结果等）：时序图如下：

`

单位根检验输出结果如下：

序列x的单位根检验结果：

序列y的单位根检验结果：

序列y和序列x之间的相关图如下：

·

残差序列自相关图：

自相关图显示。延迟6阶之后自相关系数都在2倍标准差范围之内，可以认为残差序列平稳。

对残差序列进行2阶自相关单位根检验，检验结果显示残差序列显著平稳，如下图：残差序列单位根检验结果：

残差序列平稳，说明序列Y与序列X之间具有协整关系，我可以大胆的在这两个

序列之间建立回归模型而不必担心虚假回归问题。

。

考察残差序列白噪声检验结果，如下图：

残差序列白噪声检验结果：

输出结果显示，延迟各阶LB 统计量的P 值都大于显著水平，可以认为残差序列为白噪声检验结果，结束分析。

出口序列拟合的模型为：lnx t ~ARIMA(1,1,0),具体口径为：

1

ln 0.1468910.38845t t x B

ε∇=+-

[

进口序列拟合的模型为 lny t ~ARIMA(1,1,0) ，具体口径为：

1

ln 0.1467210.36364

t t y ε∇=+-

lny t 和lnx t 具有协整关系。

协整模型为：

1ln 0.99179ln 0.69938t t t t y x εε-=+-

误差修正模型为：

1ln 0.9786ln 0.22395t t t y x ECM -∇=∇-

:

SAS 程序如下：

data example6_4; input x y@@; t=_n_; cards ; 1950 1951 1952 1953 , 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 。

1964

1965

1966

1967

1968

1969

1970

1971

1972

1973

（

1974

1975

1976

1977

1978

1979

1980

1981

1982

1983

…

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

&

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

run;

proc gplot;

plot x*t=1 y*t=2/overlay;

symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run;

proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run;

proc arima;

identify var=y crrosscorr=x; estimate methed=ml input=x plot;

注：实验报告电子版命名方式为：学号+实验名称，实验结束后发至邮箱。