ARIMA模型例题.doc

ARIMA模型例题：5.6（1）时序图判断序列的非平稳性时序图显示，该序列有显著的趋势，为典型的非平稳序列。（2）差分后的时序图：差分后序列在均值附近比较稳定地波动，为了进一步确定平稳性，考察差分后序列的自相关图。自相关图显示序列有很强的短期相关性，所以可以初步认为1阶差分后序列平稳。自相关系数一阶截尾。（3）对平稳后的1阶差分序列进行白噪声检验P值小于0.05，非白噪声序列，差分后序列还蕴含着相关信息需要提取。（4）对平稳非白噪序列拟合ARMA模型1阶差分后的偏自相关图：显示出显著的不截尾性。用MA（1）拟合1阶差分后序列。所以用ARIMA(0，1，1)模型拟合原序列。拟合结果的公式见146页。（5）对残差序列进行检验见147页(6) ARIMA模型预测：预测的值在work中的res里。程序：data hh;difx=dif(x);input year x;cards;run;proc gplot;plot (x difx)*year;symbol c=black i=line v=star;run;proc arima;identify var=x(1) nlag=18;estimate q=1;forecast lead=5 id=year out=res;run;proc gplot data=res;plot x*year=1 forecast*year=2 u95*year=3 l95*year=4/overlay;symbol1 c=black v=star i=none;symbol2 c=blue v=none i=line;symbol3 c=red v=none i=line;symbol4 c=red v=none i=line;run;