多元时间序列建模分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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。