多元时间序列建模分析DOC
时间：2020-09-05 08:11:56 来源：天一资源网 本文已影响 人 
应用时间序列分析实验报告
实验名称
多元时间序列建模分析
姓名
学号
班级
实验地点
实验日期
指导教师
实验目的：
1、熟悉单位根检验；
2、掌握ARIMAX模型建模。
涉及实验的相关情况介绍（包含使用软件或实验设备等情况）：
SAS、excel表格、word。
实验内容：
我国1950-2008年进出口总额数据（单位：亿元）如表6-15所示。
表6-15
年份
出口总额
进口总额
1950
20
21.3
1951
24.2
35.3
1952
27.1
37.5
1953
34.8
46.1
1954
40
44.7
1955
48.7
61.1
1956
55.7
53
1957
54.5
50
1958
67
61.7
1959
78.1
71.2
1960
63.3
65.1
1961
47.7
43
1962
47.1
33.8
1963
50
35.7
1964
55.4
42.1
1965
63.1
55.3
1966
66
61.1
1967
58.8
53.4
1968
57.6
50.9
1969
59.8
47.2
1970
56.8
56.1
1971
68.5
52.4
1972
82.9
64
1973
116.9
103.6
1974
139.4
152.8
1975
143
147.4
1976
134.8
129.3
1977
139.7
132.8
1978
167.6
187.4
1979
211.7
242.9
1980
271.2
298.8
1981
367.6
367.7
1982
413.8
357.5
1983
438.3
421.8
1984
580.5
620.5
1985
808.9
1257.8
1986
1082.1
1498.3
1987
1470
1614.2
1988
1766.7
2055.1
1989
1956
2199.9
1990
2985.8
2574.3
1991
3827.1
3398.7
1992
4676.3
4443.3
1993
5284.8
5986.2
1994
10421.8
9960.1
1995
12451.8
11048.1
1996
12576.4
11557.4
1997
15160.7
11806.5
1998
15223.6
11626.1
1999
16159.8
13736.5
2000
20634.4
18638.8
2001
22024.4
20159.2
2002
26947.9
24430.3
2003
36287.9
34195.6
2004
49103.3
46435.8
2005
62648.1
54273.7
2006
77594.6
63376.9
2007
93455.6
73284.6
2008
100394.9
79526.5
（1）使用单位根检验，分别考察进口总额和出口总额序列的平稳。
（2）分别对进口总额序列和出口总额数据拟合模型。
（3）考察这两个序列是否具有协整关系。
（4）如果这两个序列具有协整关系，请建立适当模型拟合它们之间的相关关系。
（5）构造该协整模型的误差修正模型。
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0.05，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：lnxt~ARIMA(1,1,0),具体口径为：
进口序列拟合的模型为 lnyt~ARIMA(1,1,0) ，具体口径为：
lnyt和lnxt具有协整关系。
协整模型为：
误差修正模型为：
SAS程序如下：
data example6_4;
input x y@@;
t=_n_;
cards;
1950 20.0 21.3
1951 24.2 35.3
1952 27.1 37.5
1953 34.8 46.1
1954 40.0 44.7
1955 48.7 61.1
1956 55.7 53.0
1957 54.5 50.0
1958 67.0 61.7
1959 78.1 71.2
1960 63.3 65.1
1961 47.7 43.0
1962 47.1 33.8
1963 50.0 35.7
1964 55.4 42.1
1965 63.1 55.3
1966 66.0 61.1
1967 58.8 53.4
1968 57.6 50.9
1969 59.8 47.2
1970 56.8 56.1
1971 68.5 52.4
1972 82.9 64.0
1973 116.9 103.6
1974 139.4 152.8
1975 143.0 147.4
1976 134.8 129.3
1977 139.7 132.8
1978 167.6 187.4
1979 211.7 242.9
1980 271.2 298.8
1981 367.6 367.7
1982 413.8 357.5
1983 438.3 421.8
1984 580.5 620.5
1985 808.9 1257.8
1986 1082.1 1498.3
1987 1470.0 1614.2
1988 1766.7 2055.1
1989 1956.0 2199.9
1990 2985.8 2574.3
1991 3827.1 3398.7
1992 4676.3 4443.3
1993 5284.8 5986.2
1994 10421.8 9960.1
1995 12451.8 11048.1
1996 12576.4 11557.4
1997 15160.7 11806.5
1998 15223.6 11626.1
1999 16159.8 13736.5
2000 20634.4 18638.8
2001 22024.4 20159.2
2002 26947.9 24430.3
2003 36287.9 34195.6
2004 49103.3 46435.8
2005 62648.1 54273.7
2006 77594.6 63376.9
2007 93455.6 73284.6
2008 100394.9 79526.5
run;
proc gplot;
plot x*t=1 y*t=2/overlay;
symbol1 c=black i=join v=none;
symbol2 c=red i=join v=none w=2 l=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;
forecast lead=0 id=t out=out;
proc aima data=out;
identify varresidual stationarity=(adf=2);
run;
实验总结：
1、通过本次试验熟悉了单位根检验的相关知识，并且可以通过上机实验对其结果进行简要分析；
2、通过上机练习掌握了ARIMAX模型建模的步骤及方法。
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：443723360@邮箱。
相关关键词： 多元时间序列分析案例
