1、上机练习一上机时间： 2012 年 09 月 28 日学号 姓名 年级专业 注：以下题目请给出 SAS 程序、图形和相应的结果解释。作业上传时，请以“学号+班级+ 姓名”的形式命名。问题 1：以下数据是 1975-1980 年某火山每月释放的 CO2 数据：330.45 330.97 331.64 332.87 333.61 333.55331.90 330.05 328.58 328.31 329.41 330.63331.63 332.46 333.36 334.45 334.82 334.32333.05 330.87 329.24 328.87 330.18 331.50332.81
2、333.23 334.55 335.82 336.44 335.99334.65 332.41 331.32 330.73 332.05 333.53334.66 335.07 336.33 337.39 337.65 337.57336.25 334.39 332.44 332.25 333.59 334.76335.89 336.44 337.63 338.54 339.06 338.95337.41 335.71 333.68 333.69 335.05 336.53337.81 338.16 339.88 340.57 341.19 340.87339.25 337.19 335.49
3、 336.63 337.74 338.36（1）绘制该序列时序图，并判断该序列是否平稳。（2）绘制该样本自相关图，并解释该图形。解：程序如下：data text1;input CO2;time=intnx(month,01jan1975d,_n_-1);format time monyy7.;cards;330.45 330.97 331.64 332.87 333.61 333.55331.90 330.05 328.58 328.31 329.41 330.63331.63 332.46 333.36 334.45 334.82 334.32333.05 330.87 329.24 328
4、.87 330.18 331.50332.81 333.23 334.55 335.82 336.44 335.99334.65 332.41 331.32 330.73 332.05 333.53334.66 335.07 336.33 337.39 337.65 337.57336.25 334.39 332.44 332.25 333.59 334.762335.89 336.44 337.63 338.54 339.06 338.95337.41 335.71 333.68 333.69 335.05 336.53337.81 338.16 339.88 340.57 341.19 3
5、40.87339.25 337.19 335.49 336.63 337.74 338.36;proc print data=text1;id time;proc gplot data=text1;plot CO2*time;symbol c=black v=star i=join;proc arima;identify var=CO2;run;图形：（1） 从该时序图可看出，该时序呈现出规则的周期性，并且有明显的递增趋势。因此，该时序是不平稳的。（2） 从该样本自相关图看出，自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
6、律的非平稳序列的典型特征。自相关图显现出来的这两个性质和该时序图显现出来的带长期递增趋势的周期性质是非常吻和的。3问题 2：以下数据是某公司在 2000 年-20003 年期间每月的销售量。销售量 2000 年 2001 年 2002 年 2003 年1 月 153 134 145 1172 月 187 175 203 1783 月 234 243 189 1494 月 212 227 214 1785 月 300 298 295 2486 月 221 256 220 2027 月 201 237 231 1628 月 175 165 174 1359 月 123 124 119 12010
7、月 104 106 85 9611 月 85 87 67 9012 月 78 74 75 63（1）绘制该序列时序图及样本自相关图。（2）判断该序列的平稳性。（3）判断该序列的纯随机性。解：程序如下：data text2;input salesvolume;time=intnx(month,01jan2000d,_n_-1);format time monyy7.;4cards;1531872342123002212011751231048578134175243227298256237165124106877414520318921429522023117411985677511717814
8、91785248202162135120969063;proc gplot;plot salesvolume*time;symbol c=black v=star i=join;proc arima;identify var=salesvolume;run;图形：（2）从时序图看，有明显的周期性，显然该时序是不平稳的。（3）从纯随机性检验结果，该 Q 统计量的 P 值0.0001,小于显著性水平 a=0.02，则拒绝原假设，即该序列为非白噪声序列。6（3）问题 3：数据如下表，时间间隔为天，起始时间自定义10 15 10 10 12 10 7 7 10 14 8 1714 18 3 9 11
9、10 6 12 14 10 25 2933 33 12 19 16 19 19 12 34 15 36 2926 21 17 19 13 20 24 12 6 14 6 129 11 17 12 8 14 14 12 5 8 10 316 8 8 7 12 6 10 8 10 5（1）判断该序列 的平稳性及纯随机性。tx（2）对该序列进行函数运算： ，并判断序列 的平稳性及纯随机性。1ttxyty（提示： 表示一阶差分，一阶差分的 SAS 函数为 dif( )，假如要差分的变量名为 ，那么用1ttxy xSAS 表示即 ） 。)(dif解：（1）程序如下：data text3;input x
10、;time=intnx(day,01jan2012d,_n_-1);format time date.;cards;710 15 10 10 12 10 7 7 10 14 8 1714 18 3 9 11 10 6 12 14 10 25 2933 33 12 19 16 19 19 12 34 15 36 2926 21 17 19 13 20 24 12 6 14 6 129 11 17 12 8 14 14 12 5 8 10 316 8 8 7 12 6 10 8 10 5;proc print;proc gplot;plot x*time;symbol c=red v=diamon
11、d i=spline;proc arima;identify var=x;run;图形：（1）序列 的平稳性及纯随机性：tx平稳性判断：从时序图看不出明显的周期性或单调趋势，不能判断序列的平稳性；从该自相关图看出，序列的自相关系数递减到零的速度相当缓慢，在很长的延长期内，自相关系数一直为正。因此，该时序是不平稳的。纯随机性判断：从纯随机性检验结果，该 Q 统计量的 P 值0.0001,小于显著性水平a=0.02，则拒绝原假设，即该序列为非白噪声序列。8（2）程序如下：data text4;input x ;y=dif(x);time=intnx(day,01jan2012d,_n_-1);fo
12、rmat time date.;cards;10 15 10 10 12 10 7 7 10 14 8 1714 18 3 9 11 10 6 12 14 10 25 2933 33 12 19 16 19 19 12 34 15 36 2926 21 17 19 13 20 24 12 6 14 6 129 11 17 12 8 14 14 12 5 8 10 316 8 8 7 12 6 10 8 10 5;proc gplot;plot y*time;9symbol c=red v=diamond i=spline;proc arima;identify var=y;run;图形：10（3）序列 的平稳性及纯随机性：ty平稳性判断：从时序图看，序列始终在 0 值附近波动，没有明显的周期性或单调趋势，基本可以判断为平稳序列；从该自相关图看出，序列的自相关系数一直都比较小，始终控制在 2 倍标准误的范围内。因此，该时序是平稳的。纯随机性判断：从纯随机性检验结果，该 Q 统计量的 P 值0.0001,小于显著性水平a=0.02，则拒绝原假设，即该序列为非白噪声序列。
