时间序列作业
应用计量经济学时间序列分析第四版教学设计
应用计量经济学时间序列分析第四版教学设计引言时间序列分析是应用计量经济学领域的重要研究方向，它能够有效地分析和预测数据的发展趋势和周期性变化，适用于很多领域的数据分析。
然而，时间序列分析方法具有一定的复杂性和技术难度，教学效果也很受到影响。
为此，本文基于《应用计量经济学时间序列分析》一书的第四版进行教学设计，旨在通过优化课程设置和教学方法，提高学生学习时间序列分析的效果。
教学目标1.理解时间序列分析的基本概念和方法。
2.掌握时间序列分析的实践技能和应用能力。
3.能够独立设计和实施时间序列分析项目，提高对实际问题的解决能力。
教学内容和安排1.时间序列分析基本概念介绍（2学时）–时间序列概念与应用领域–时间序列的分类和表示方法2.时间序列统计特征分析（4学时）–时间序列平稳性检验–时间序列相关系数计算–时间序列自回归建模3.时间序列预测方法及实战（10学时）–时间序列分解–ARIMA模型构建与应用–季节性时间序列建模–实例分析项目教学方法和教学手段1.讲授课堂教学：重点详细讲解时间序列分析概念、特征分析和建模方法，帮助学生理解理论知识的内涵和精髓。
2.课外练习和作业：引导学生在课堂理论学习的基础上，通过练习题或应用实例的作业，巩固理论知识，并培养实践能力。
3.实践案例分析：通过案例分析和项目研讨，提高学生对时间序列分析实际问题解决能力。
4.电子教学：采用多媒体技术，显示程序代码、图表和示意图等，使学生更加清晰地理解时间序列分析概念和方法。
考核方式和评价标准1.学期作业：包括理论练习和实践项目分析，作业占总成绩的30%。
2.期中考试：以选择题和简单应用题为主，考核学生对课堂理论知识的掌握程度，占总成绩的30%。
3.期末考试：组合题、应用题和实现题等，考核学生对时间序列分析方法的应用举例和实践能力，占总成绩的40%。
教学效果及评价通过本教学设计，学生将能够理解时间序列分析的基本概念、掌握时间序列分析的实践技能，并能够运用时间序列分析方法解决实际问题，提高其在应用计量经济学领域的能力。
应用时间序列分析-实验报告-
应用时间序列分析实验报告理学院统计11-1201111051026某某作业一：创建永久数据集。
程序：data sasuser.examplel_l;input time monyy7. price;format time monyy5.;cards;Jan2005 101Feb2005 82Mar2005 66Apr2005 35May2005 31Jun2005 7;run;proc print data=sasuser.examplel_l; run;结果：作业二：直接导入外部数据文件转换成SAS数据集。
第一步，建立一个Excel文件，并将其选择为要导入的外部数据，选择导入外部数据文件选项。
在菜单栏中，点击“文件”选项，下拉文件管理菜单，点击其中额输入类型选项。
第二步，选择要输入数据的类型，选择SAS软件默认的第一个数据类型即可。
选择Next选项，进行下一步。
第三步，指明该输入文件的路径，点中BROWSE选项，指明输入文件examplel-l.xls的路径，选择Next选项，进行下一步。
第四步，指定该文件转换成SAS数据集成后存放的数据库及数据集名。
excel数据如下：Obs time price1 13-Jan 1202 13-Feb 1173 13-Mar 1144 13-Apr 1105 13-May 1086 13-Jun 112运行结果：Obs time price1 JAN13 1202 FEB13 1173 MAR13 1144 APR13 1105 MAY13 1086 JUN13 112作业三：1.间隔函数程序：data example3_2;input price;logprice=log(price);time=intnx('month','01jan2014'd,_n_-1);format time monyy.;cards;35343533;proc print data=example3_2;run;结果：2.序列变换程序：data example3_3;input price;logprice=log(price);time=intnx('month','01jan2014'd,_n_-1); format time monyy.;cards;35353334;proc print data=example3_3; run;结果：3.建立子集 程序;data example3_4; set example3_3; keep time logprice;where time>=’01mar2014’d; proc print data=example3_4; run;作业四：若序列长度为100，前12个样本自相关系数如下：p1=0.02、p2=0.05、p3=0.10、p4=-0.02、p5=0.05、p6=0.01、p7=0.12、p8=-0.06、p9=0.08、p10=-0.05、p11=0.02、p12=-0.05。
数学建模B作业：非参数统计、灰色系统、时间序列分析010
2014年数学建模B作业：非参、灰色、时间序列分析非参数统计Ⅴ-1 某制造商想要比较两种不同的生产方法所花费的生产时间是否有差异。
随机地选取了11个工人，每一个工人都分别使用两种不同的生产方法来完成一项相同的任务，在样本中的每一个工人都做了观察。
数据见表，试用Wilcoxon秩和检解：提出原假设，这两组方法没有显著性差异，用配对实验的符号检验法，相应代码如下：data ex;input x1 x2@@;y=x1-x2;cards;10.2 9.59.6 9.89.2 8.810.6 10.19.9 10.310.2 9.310.6 10.510 1011.2 10.610.7 10.210.6 9.8;proc univariate;var y;run;运行结果如下：从结果中可以看出，sign统计量为3，其显著性为0.1094，大于0.05，故接受原假设，认为这两组方法没有显著性差异。
Ⅴ-2为培训大学生志愿者为社区服务，设计了4种培训方案，记作为A,B,C,D.将报名的30名大学生随机地分为4组，分别接受不同培训。
训练一周后，按规定的要求考试，评定的成绩如下，试用非参数检验方法检验这四种培训方案的有解：提出原假设，这四种培训方案方法没有显著性差异，相应代码如下：data ex;do a=1to4;input n@@;do i=1to n;input x@@;output;end;end;cards;7 60 75 62 76 73 98 867 72 52 68 82 74 64 878 61 85 78 66 70 59 69 798 63 58 65 71 84 77 80 89;proc npar1way wilcoxon;class a;var x;run;运行结果如下：从结果中可以看出，Chi-Square统计量为0.5537，其显著性为0.9069，大于0.05，故接受原假设，认为四种培训方案方法没有显著性差异。
我国人口出生率、死亡率和自然增长率数据入下表所示：
《应用时间序列分析》实验作业3班级：姓名：学号：习题5.5.4我国人口出生率、死亡率和自然增长率数据入下表所示：年份出生率死亡率自然增长率1980 18.21 6.34 11.87 1981 20.91 6.36 14.55 1982 22.28 6.6 15.68 1983 20.19 6.9 13.29 1984 19.9 6.82 13.08 1985 21.04 6.78 14.26 1986 22.43 6.86 15.57 1987 23.33 6.72 16.61 1988 22.37 6.64 15.73 1989 21.58 6.54 15.04 1990 21.06 6.67 14.39 1991 19.68 6.7 12.98 1992 18.24 6.64 11.61993 18.09 6.64 11.45 1994 17.7 6.49 11.21 1995 17.12 6.57 10.55 1996 16.98 6.56 10.42 1997 16.57 6.51 10.06 1998 15.64 6.5 9.14 年份出生率死亡率自然增长率1999 14.64 6.46 8.182000 14.03 6.45 7.582001 13.38 6.43 6.952002 12.86 6.41 6.452003 12.41 6.4 6.012004 12.29 6.42 5.872005 12.4 6.51 5.892006 12.09 6.81 5.282007 12.1 6.93 5.172008 12.14 7.06 5.082009 11.95 7.08 4.872010 11.9 7.11 4.792011 11.93 7.14 4.792012 12.1 7.15 4.952013 12.08 7.16 4.922014 12.37 7.16 5.212015 12.07 7.11 4.962016 12.95 7.09 5.862017 12.45 7.11 5.32（1）分析我国人口出生率、死亡率和自然增长率序列的平稳性。
时间序列课程设计时序图
时间序列课程设计时序图一、教学目标本章节的教学目标是使学生掌握时间序列的基本概念、方法和应用，能够运用时间序列分析解决实际问题。
具体目标如下：1.知识目标：（1）理解时间序列的定义、特点和分类；（2）掌握时间序列的常用预处理方法；（3）熟悉时间序列的平稳性检验、自相关函数和偏自相关函数的计算；（4）掌握时间序列的常见模型及其应用。
2.技能目标：（1）能够运用时间序列分析方法对实际数据进行分析和预测；（2）能够运用编程语言（如Python、R等）实现时间序列分析的相关算法；（3）能够撰写时间序列分析的报告，清晰地表达分析结果和结论。
3.情感态度价值观目标：（1）培养学生的数据分析能力和科学思维；（2）培养学生对时间序列分析方法和技术的兴趣；（3）培养学生运用时间序列分析解决实际问题的意识和责任感。
二、教学内容本章节的教学内容主要包括时间序列的基本概念、预处理方法、平稳性检验、自相关函数和偏自相关函数的计算、常见模型及其应用。
具体安排如下：1.时间序列的定义、特点和分类；2.时间序列的预处理方法（如差分、季节性调整等）；3.时间序列的平稳性检验（如ADF检验、KPSS检验等）；4.时间序列的自相关函数和偏自相关函数的计算；5.时间序列的常见模型（如ARIMA模型、AR模型、MA模型等）及其应用；6.实际案例分析：运用时间序列分析方法解决实际问题。
三、教学方法本章节的教学方法采用讲授法、案例分析法和实验法相结合的方式。
具体方法如下：1.讲授法：通过讲解时间序列的基本概念、方法和应用，使学生掌握相关理论知识；2.案例分析法：分析实际案例，让学生了解时间序列分析在实际问题中的应用；3.实验法：引导学生运用编程语言进行时间序列分析的实践操作，巩固所学知识。
四、教学资源本章节的教学资源包括教材、参考书、多媒体资料和实验设备。
具体资源如下：1.教材：《时间序列分析与应用》；2.参考书：《时间序列分析的理论与实践》、《时间序列分析的R语言应用》；3.多媒体资料：时间序列分析的PPT课件、视频讲座等；4.实验设备：计算机、统计软件（如Python、R等）。
时间序列的课程设计报告
时间序列的课程设计报告一、课程目标知识目标：1. 学生能理解时间序列的概念，掌握时间序列的基本组成和特点。
2. 学生能够运用所学知识，分析时间序列数据，识别其变化趋势和模式。
3. 学生能够运用时间序列预测方法，对给定数据进行短期预测。
技能目标：1. 学生能够运用统计软件或编程工具，对时间序列数据进行处理和分析。
2. 学生能够运用图表、报告等形式，清晰、准确地表达时间序列分析结果。
3. 学生能够运用时间序列模型，解决实际问题，提高数据分析能力。
情感态度价值观目标：1. 学生通过学习时间序列知识，培养对数据的敏感性和探究精神，增强数据分析的兴趣。
2. 学生在小组合作中，学会倾听、沟通、协作，培养团队精神和责任感。
3. 学生能够认识到时间序列分析在实际生活中的应用价值，提高学以致用的意识。
课程性质分析：本课程为数据分析相关学科，旨在帮助学生掌握时间序列分析的基本方法和技巧，提高解决实际问题的能力。
学生特点分析：本年级学生具备一定的数学基础和数据分析能力，对新鲜事物充满好奇，但可能缺乏实际应用经验。
教学要求：1. 结合课本知识，注重理论与实践相结合，提高学生的实际操作能力。
2. 注重启发式教学，引导学生主动探究，培养学生的创新思维。
3. 关注学生的个体差异，因材施教，提高教学质量。
二、教学内容1. 时间序列基本概念：时间序列的定义、组成元素、分类及应用场景。
2. 时间序列的特性：平稳性、趋势、季节性、周期性及随机性。
3. 时间序列预处理：数据清洗、缺失值处理、异常值检测与处理。
4. 时间序列分析方法：- 趋势分析：线性趋势、非线性趋势。
- 季节性分析：季节指数、季节性分解。
- 周期性分析：自相关函数、偏自相关函数。
- 随机分析：白噪声检验、ARIMA模型。
5. 时间序列预测方法：- 简单平均法、移动平均法、指数平滑法。
- ARIMA模型及其扩展模型。
- 机器学习方法：如神经网络、支持向量机等。
6. 实际案例分析与操作：结合课本案例，运用所学方法进行时间序列分析及预测。
应用时间序列分析第二版课程设计
应用时间序列分析第二版课程设计1. 课程描述本课程为应用时间序列分析第二版的课程设计，主要介绍时间序列分析的基本概念、方法及应用。
通过本课程的学习，学生将掌握基本的时间序列分析方法，能够应用所学知识解决实际问题。
2. 学习目标本课程的学习目标如下：•掌握时间序列分析的基本概念和方法；•熟练运用ARIMA模型对时间序列进行预测；•能够进行季节性调整和周期性调整，并理解其意义；•能够使用Python进行时间序列数据的处理和分析。
3. 课程内容3.1 时间序列分析基础•时间序列的基本概念及特征；•时间序列分析的基本流程；•常用的时间序列分析方法；•模型诊断及劣化性分析。
3.2 ARIMA模型•ARIMA模型的基本原理；•ARIMA模型的建模方法及步骤；•ARIMA模型的识别和估计；•ARIMA模型的预测及模型诊断。
3.3 季节性调整•季节性的概念及影响；•季节性调整方法；•季节性调整实例分析。
3.4 周期性调整•周期性的概念及周期的判断方法；•周期性调整的方法；•周期性调整实例分析。
3.5 Python实践•Python语言及环境配置；•Python时间序列数据的读取和处理；•Python实现时间序列分析的常用库介绍。
4. 课程流程4.1 第一周理论课•时间序列的基本概念及特征；•时间序列分析的基本流程；•常用的时间序列分析方法；•模型诊断及劣化性分析。
实验课•Python语言及环境配置；•Python时间序列数据的读取和处理。
4.2 第二周理论课•ARIMA模型的基本原理；•ARIMA模型的建模方法及步骤。
实验课•Python实现时间序列分析的常用库介绍；•Python实现ARIMA模型的识别和估计。
4.3 第三周理论课•ARIMA模型的预测及模型诊断。
实验课•Python实现ARIMA模型的预测及模型诊断。
4.4 第四周理论课•季节性的概念及影响；•季节性调整方法。
实验课•Python实现季节性调整的方法。
趋势预测法例题参考及作业PPT学习教案
销售 248 253 257 260 266 270 279 285 量
第29页/共102页
销售量
第一步，分析观察期数据长期变动趋势，画数据点的散布图
290 280 270 260 250 240 230 220
如果通过数年的时间序列显示，观察期资料并无显著 的长期升降趋势变动和季节变动时，就可以采用此方法。
(2)以观察期的每月平均值作为预测期对应月份 的预测值。
当时间序列资料在年度内变动显著，或呈季节性变化 时，如果用上一种方法求得预测值，其精确度难以保证。
第8页/共102页
例：假设某商品最近四年的每月销售量如表5.1 所示，在95%的可靠程度下,预测2008年的每月 销售量。 ①如果以2007年的每月平均值作为2008年的每 月预测值；
大程度上仍将决定其未来的发展； （2）预测目标发展过程一般是渐进变化，
而不是跳跃式变化。
第4页/共102页
常见的趋势线
y a bt
直线
y abt
指数曲线
y a bt ct2 dt3
y k abt
三次曲线
修正指数曲线
第5页/共102页
y a bt ct2
二次曲线
y kabt
（3）反映时间序列资料长期趋势的平均变动水平。 （4）只要未来发展趋势大体上不会发生大起大落的变化，继续遵
循直线趋势发展变化的假设，那么选用此法进行中长期预测既简 便又有一定的可靠性。
第36页/共102页
时间序列分析与预测－移动平均法
（1）定义
对时间数列的各项数值，按照一定的时距进行逐 期移动，计算出一系列序时平均数，形成一个派生的 平均数时间数列，以此削弱不规则变动的影响，显示 出原数列的长期趋势。
《统计学》作业华师在线满分
1．第1题对于时间序列数据，用于描述其变化趋势的图形通常是（）。
A.条形图B.直方图C.箱线图D.线图您的答案：D题目分数：4此题得分：4.02．第2题根据你的判断，下面的相关系数取值哪一个是错误的（）A.-0.86B.0.78C.1.25D.0您的答案：C题目分数：4此题得分：4.03．第3题某研究部门准备在全市200万个家庭中抽取2000个家庭，据此推断该城市所有职工家庭的年人均收入。
这项研究的样本是（）。
A.2000个家庭B. 200万个家庭C.2000个家庭的人均收入D.200万个家庭的人均收入您的答案：A题目分数：4此题得分：4.04．第4题消费价格指数反映了（）。
A.城乡居民购买生活消费品和服务项目价格的变动趋势B.城乡居民购买生活消费品价格的变动趋势C.城乡居民购买服务项目价格的变动趋势D.城乡商品零售价格的变动趋势您的答案：A题目分数：4此题得分：4.05．第5题偏态系数测度了数据分布的非对称性程度。
如果一组数据的分布是对称的，则偏态系数（）A.等于0B.等于1C.大于0D.大于1您的答案：A题目分数：4此题得分：4.06．第6题下列指数属于质量指数的是（）A.成交量指数B.产量指数C.成本指数D.销售量指数您的答案：C题目分数：4此题得分：4.07．第7题由一组数据的最大值、最小值、中位数和两个四分位数5个特征值绘制而成的，反映原始数据分布特征的图形，称为（）A.条形图B.茎叶图C.直方图D.箱线图您的答案：D题目分数：4此题得分：4.08．第8题一项研究估计某城市中拥有汽车的家庭比例为30%。
这里的30%是（）。
A.参数B.统计量C.样本D.变量您的答案：A题目分数：4此题得分：4.09．第9题下列哪种指数是个体指数（）。
A.空调价格指数B.消费价格指数C.道琼斯指数D.恒生指数您的答案：A题目分数：4此题得分：4.010．第10题在相关分析中，若变最ｘ的值增加时，变量ｙ的值随之减少，则两个变量间的关系是 ( )A.正相关B.负相关C.不相关D.不确定您的答案：B题目分数：4此题得分：4.011．第11题在相关分析中，若变最ｘ的值增加时，变量ｙ的值随之增加，则两个变量间的关系是 ( )A.正相关B.负相关C.不相关D.不确定您的答案：A题目分数：4此题得分：4.012．第12题如果峰态系数K>0，表明该组数据是( )。
时间序列实验报告
重庆交通大学学生实验报告实验课程名称时间序列分析开课实验中心数统学院实验教学中心开课学院数学与统计学院专业年级应用统计学2015级1班姓名XXXX学号6315XXXXXXXX任课老师XXXXX开课时间2017—2018学年第1学期此页空页！实验一R语言简介: 基本操作一实验目的1、了解软件R：安装、启动、退出、帮助等。
2、熟悉R的操作界面。
二、实验内容及要求：1、实验内容：（1）R的安装；（2）启动与退出；（3）包的安装及R的更新；（4）帮助及移除多个对象等；（5）常见命令2、实验要求：（1）熟悉R的操作环境；（2）熟悉包的安装与帮助；（3）学习常见命令，熟悉 R 的操作界面。
三、实验过程及结果1、（1）R的安装（2）启动与退出；（3）包的安装及R的更新；A、包的安装> chooseCRANmirror()> install.packages()B、R的更新> install.packages("installr") > library(installr)> updateR()（4）帮助及移除多个对象等；> ？关键字> ？？关键字> help.start()#帮助> rm()> rm(list=ls())#移除多个对象（5）常见命令四、实验心得了解了R的一些基本使用及其常见的命令，为自己深入学习r的使用打下了基础。
实验二R语言简介: 数据集创建与处理一实验目的1、掌握R数据集的不同创建形式。
2、熟悉并掌握利用R对时间序列数据集进行变换与处理。
二、实验内容及要求1、实验内容：（1）利用data.frame函数创建数据集；（2）读取 d.txt 型数据框；（3）读取 excel 数据及对某变量数据进行某些处理（4）导出 R 中数据集（5）时间序列数据输入（6）对已有数据集中数据的处理2、实验要求：熟悉R数据集的不同创建方法，掌握利用R对时序数据集进行变换与处理三、实验过程及结果1、实验内容：（1）利用data.frame函数创建数据集；（2）读取 d.txt 型数据框；m（3）读取 excel 数据及对某变量数据进行某些处理（4）导出 R 中数据集（5）时间序列数据输入（6）对已有数据集中数据的处理（5）（6）合> library(readxl)> X2_7<- read_excel("C:/Users/Administrator/Desktop/2.7.x lsx")> summary(X2_7)330.45 330.97 331.64 332.87 333.61Min. :331.6 Min. :330.1 Min. :328.6 Min. :328.3 Min. :329.41st Qu.:332.9 1st Qu.:332.4 1st Qu.:331.9 1st Qu.:33 1.5 1st Qu.:332.8Median :334.7 Median :334.4 Median :333.7 Median :33 4.4 Median :335.1Mean :335.0 Mean :334.2 Mean :333.9 Mean :334.3 Mean :335.23rd Qu.:336.8 3rd Qu.:336.1 3rd Qu.:335.9 3rd Qu.:33 7.0 3rd Qu.:337.7Max. :339.2 Max. :338.2 Max. :339.9 Max. :340.6 Max. :341.2333.55Min. :330.61st Qu.:333.9Median :336.0Mean :335.73rd Qu.:338.0Max. :340.9四、实验心得通过本次实验，首先，我知道了文件其他格式的文件如何导入R，知晓乐数据集的创建，使用及一些简单的处理。
- 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)。
1.程序： datashuju; inputx@@; cards; 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ; procarimadata=shuju; identifyvar=freqnlag=6; run; 结果 Autocorrelations
Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Std Error
0 33.250000 1.00000 | |********************| 0 1 28.262500 0.85000 | . |***************** | 0.223607 2 23.325000 0.70150 | . |************** | 0.349643 3 18.487500 0.55602 | . |*********** . | 0.414078 4 13.800000 0.41504 | . |******** . | 0.449862 5 9.312500 0.28008 | .|****** . | 0.468617 6 5.075000 0.15263 | .|*** . | 0.476913 （1）非平稳。
（2）1-=0.85000，2-=0.70150，3-=0.55602，4-=0.41504，5-=0.28008，6
-
=
0.15263 （3）样本自相关图如上。 解释图形：在很长时期里，自相关系数一直为正，显示出三角形，具有单调趋势的非平稳序列的一种典型自相关图。 二数据 time CO2 1975年1月 330.45 1975年2月 331.9 1975年3月 331.63 1975年4月 333.05 1975年5月 332.81 1975年6月 334.65 1975年7月 334.66 1975年8月 336.25 1975年9月 335.89 1975年10月 337.41 1975年11月 337.81 1975年12月 339.25 1976年1月 330.97 1976年2月 330.05 1976年3月 332.46 1976年4月 330.87 1976年5月 333.23 1976年6月 332.41 1976年7月 335.07 1976年8月 334.39 1976年9月 336.44 1976年10月 335.71 1976年11月 338.16 1976年12月 337.19 1977年1月 331.64 1977年2月 328.58 1977年3月 333.36 1977年4月 329.24 1977年5月 334.55 1977年6月 331.32 1977年7月 336.33 1977年8月 332.44 1977年9月 337.63 1977年10月 333.68 1977年11月 339.88 1977年12月 335.49 1978年1月 332.87 1978年2月 328.31 1978年3月 334.45 1978年4月 328.87 1978年5月 335.82 1978年6月 330.73 1978年7月 337.39 1978年8月 332.25 1978年9月 338.54 1978年10月 333.69 1978年11月 340.57 1978年12月 336.63 1979年1月 333.61 1979年2月 329.41 1979年3月 334.82 1979年4月 330.18 1979年5月 336.44 1979年6月 332.05 1979年7月 337.65 1979年8月 333.59 1979年9月 339.06 1979年10月 335.05 1979年11月 341.19 1979年12月 337.74 1980年1月 333.55 1980年2月 330.63 1980年3月 334.32 1980年4月 331.5 1980年5月 335.99 1980年6月 333.53 1980年7月 337.57 1980年8月 334.76 1980年9月 338.95 1980年10月 336.53 1980年11月 340.87 1980年12月 338.36
程序：datashuju; input price@@; time=intnx('month','01jan1975'd,_n_-1); format time date.; 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 ; procgplotdata=example2_1; plot price*time=1; symbol1c=black v=star i=join; run; （1） 由图知不是平稳序列。 （2）样本自相关系数ˆ(1,2,,24)kk程序 data example2_1; input price@@; time=intnx('month','01jan1975'd,_n_-1); format time date.; 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
price328329330331332333334335336337338339340341342
time01JAN7501JUL7501JAN7601JUL7601JAN7701JUL7701JAN7801JUL7801JAN7901JUL7901JAN8001JUL8001JAN81; procarimadata=example2_1; identifyvar=price; run;
结果 Correlation 0.90751 0.72171 0.51252 0.34982 0.2469 0.20309 0.21021 0.26429 0.36433 0.48472 0.58456 0.60198 0.51841 0.36856 0.20671 0.08138 0.00135 -0.03248
（3）样本自相关图 自相关图显示序列子相关系数长期位于零轴的一边，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。自相关图显示出来的这两个性质和该序列时序图显示的带长期递增趋势的周期性质是非常吻合的。 三：数据 1945年 1946年 1947年 1948年 1949年 1950年 1月 69.3 38.4 96.8 137.7 160.8 52.3 2月 80 52.3 61.5 80.5 97 105.4 3月 40.9 68.6 55.6 105.2 80.5 144.3 4月 74.9 37.1 171.7 89.9 62.5 49.5 5月 84.6 148.6 220.5 174.8 158.2 116.1 6月 101.1 218.7 119.4 124 7.6 54.1 7月 225 131.6 63.2 86.4 165.9 148.6 8月 95.3 112.8 181.6 136.9 106.7 159.3 9月 100.6 81.8 73.9 31.5 92.2 85.3 10月 48.3 31 64.8 35.3 63.2 67.3 11月 144.5 47.5 166.9 112.3 26.2 112.8 12月 28.3 70.1 48 43 77 59.4
（1） 样本自相关系数ˆ(1,2,,24)kk程序 data example2_2;