SAS時序分析介紹.ppt

一、時間序列數(shù)據(jù)集的創(chuàng)建,1、使用DATA步創(chuàng)建SAS數(shù)據(jù)集,創(chuàng)建臨時數(shù)據(jù)集 data jr09; input time monyy7. price; format time monyy5.; cards; Jan2005 101 Feb2005 82 Mar2005 66 Apr2005 35 May2005 31 Jun2005 7 ; Run; proc print data= jr09; Run;,SAS系統(tǒng)命令語句不分大小寫，單詞之間至少空一格，每條命令以“;”結(jié)束。 “data example1_1”命令SAS建立一個臨時數(shù)據(jù)集。 “input time monyy7. price;” 第一個變量名為“time”，“monyy7.”說明變量是時間變量，且指定了數(shù)據(jù)的輸入格式為字符長度為7的月份年度數(shù)據(jù)。,第二個變量名為“price”，對它沒有指定變量類型和數(shù)據(jù)輸入格式，系統(tǒng)會自動將它視為數(shù)字型變量，并自動讀取。 “format time monyy5.; ”該句告訴系統(tǒng)，“time”這個變量的的輸出格式是字符長度為5的月份年度數(shù)據(jù)，輸出格式為月份的三位縮寫字母+2位年份數(shù)據(jù)。 “cards” 告訴SAS系統(tǒng)，下面開始錄入數(shù)據(jù)行。 第一列數(shù)據(jù)會自動賦給“time”，第一列數(shù)據(jù)會自動賦給“price”。 如果命令為： “input time monyy7. price;”，數(shù)據(jù)將以如下方式讀取：第一個數(shù)據(jù)賦值給變量“time”，第二個數(shù)據(jù)賦值給變量“price”，第三個數(shù)據(jù)賦值給變量“time”，第四個數(shù)據(jù)賦值給變量“price”， 數(shù)據(jù)輸入完后，另起一行輸入命令結(jié)束符號“；” 注意：Cards=datalines,“Run;”表示程序?qū)懞每梢赃\行。,創(chuàng)建永久數(shù)據(jù)集 所謂永久數(shù)據(jù)集就是指在sas中建立的數(shù)據(jù)集不會因為退出sas而丟失，它會永久地保存在該數(shù)據(jù)中，以后進入sas系統(tǒng)還可以從庫中調(diào)用該數(shù)據(jù)集。 用“data sasuser.jr09;”生成一個名字為sasuser.jr09的永久數(shù)據(jù)集。 用libname命令建立永久數(shù)據(jù)集 假定SAS軟件安裝在C盤，并且已經(jīng)在SAS目錄下建立名為myfile的文件夾，就可以通過如下命令在該目錄下建立一個名為datafile的永久數(shù)據(jù)庫，并將數(shù)據(jù)集09jr存入永久數(shù)據(jù)庫中。 Libname datafilec:sasmyfile; Data datafile.09jr; 該數(shù)據(jù)集將一直以datafile.09jr這種二級名稱的形式被調(diào)用。,查看數(shù)據(jù) “proc print data= jr09;”,2、直接導(dǎo)入外部數(shù)據(jù),file-import-microsoft excel 97or 2000(*.xls)-browse(指明要輸入文件的路徑)-next-finish proc import out=work. jr09 datafile=“d:jr.xls“ dbms=excel replace; sheet=“sheet“; getnames=yes; run;,導(dǎo)出數(shù)據(jù) data jr09; set f; keep residual; run; Proc export data=work.jr09 outfile=“d:jr09.xls“ dbms=excel replace; Sheet=“jr09”; run;,sas分部轉(zhuǎn)換為excel,proc transpose data=tmp1.stockreturn out=t_t; run; data t_t1; set t_t; if _n_=250; run; proc transpose data=t_t1 out=t_t11; data t_t11; set t_t11; format data yymmdd10.; run; proc export data=t_t11 outfile=“d:tant_t11.xls“ dbms=excel2000 replace; run;,二、時間序列數(shù)據(jù)集的處理,1、間隔數(shù)據(jù)的處理 對于等時間間隔數(shù)據(jù)，SAS提供一種時間間隔函數(shù)INTNX，它可以根據(jù)需要自動產(chǎn)生等時間間隔的時間數(shù)據(jù)。,data jr091_1; input price ; time=intnx(month,01jan2005d,_n_-1); format time monyy.; cards; 3.41 3.45 3.42 3.53 3.45 ; proc print data= jr091_1; run;,“time=intnx(month,01jan2005d,_n_-1); ” 該命令是指定用intnx函數(shù)給時間time賦值。 intnx函數(shù)包括三個參數(shù)： 第一個參數(shù)指定等時間間隔，該參數(shù)可以為day，week，quarter，year等， 第二個參數(shù)指定參照時間， 第三個參數(shù)（_n_k)是調(diào)整開始觀測的指針。K為整數(shù)，k取正值，指針由參照時間向未來（不包含參照時間）撥k期，k取負(fù)值，指針由參照時間向過去（包含參照時間）撥k期。,2、序列變換 data jr091_2; input price ; lotprice=log(price); time=intnx(month,01jan2005d,_n_-1); format time monyy.; cards; 3.41 3.45 3.42 3.53 3.45 ; proc print data= jr091_2 ; run;,反對數(shù)運算 data jr091_3; set jr091_2 ; y=exp(lotprice); run;,3、子集 data jr091_4; set jr091_3; keep time logprice; where time=01mar2005d; proc print data= jr091_4; run;,建立“data jr091_4;”的臨時數(shù)據(jù)集， “set jr091_3; ”該句表明“jr091_4”是“09jr1_3”的子集， “ keep time logprice; ”該命令說明要保留的變量， “where time=01mar2005d; ”指“jr091_4”要從“jr091_3”獲取數(shù)據(jù)集的范圍。,4、缺失值的插補 data jr091_5; input price ; time=intnx(month,01jan2005d,_n_-1); format time date.; cards; 3.41 3.45 . 3.53 3.45 ; proc expand data= jr091_5 out= jr091_6; id time; proc print data= jr091_5; proc print data= jr091_6; run;,三、SAS時間序列分析,1、模型識別 Identify介紹 proc arima data=ml; identify var=x nlag=8; run; Identify命令執(zhí)行后會得到如下信息： a變量的描述性統(tǒng)計 b樣本自相關(guān)圖 c樣本逆自相關(guān)圖,自相關(guān)定義： 假定 服從平穩(wěn)可逆ARMA（p,q)過程 那么ARMA（q,p) 稱為ARMA（p,q)的對偶模型，其對偶模型的自相關(guān)系數(shù)稱作原模型的逆自相關(guān)系數(shù)。,逆自相關(guān)系數(shù)和偏自相關(guān)系數(shù)有著基本相同的性質(zhì)，但逆自相關(guān)系數(shù)對于過差分非常敏感。 d偏自相關(guān)圖 e純隨機檢驗結(jié)果 Identify命令可以得到：平穩(wěn)性、純隨機性和模型識別三方面的信息。,相對最有定階 proc arima data=ml2; identify var=m nlag=8 minic p=(0:5) q=(0:5); run; Minic選項可以輸出所有自相關(guān)延遲階數(shù)小于等于5，滑動平均延遲階數(shù)也小于等于5的ARMA（p,q）模型的BIC信息量，并指出其中BIC信息量達到最小模型的階數(shù)。,2、參數(shù)估計 estimate p=2 noint; run; 在estimate命令后可增加method=ml,uls或cls估計方法選項，如果不專門指定估計方法系統(tǒng)默認(rèn)估計方法為條件最小二乘法。 ml極大似然估計 uls最小二乘估計 cls 條件最小二乘估計,3、序列預(yù)測 forecast lead=10 id=n out=jg; run; Lead指定預(yù)測期數(shù) Id指定身份表示 out指定預(yù)測后的結(jié)果存入某個數(shù)據(jù)集,4、非平穩(wěn)時間序列,data sr; input s; y=log(s); dify=dif(y); dify2=dif(dify); t=intnx(year,01jan1952d,_n_-1); format t year.; cards;,“dify=dif(y);”表示命令系統(tǒng)對變量y差分進行1階差分。常見的幾種差分表示： 1階差分dif(y) 2階差分dif(dif （ y ）) k步差分difk (y),單位根檢驗,proc arima data=sr; identify var=s stationarity=(adf=1); run; Stationarity該選項支持ADF、PP和RW檢驗。,data jr09root; input x y; t=_n_; cards; -2.94 9.83 -2.14 12.63 1.01 14.77 2.84 17.29 -0.79 18.07 1.46 17.38 5.44 19.17 1.65 9.12 6.53 22.82 8.93 23.58 8.67 15.19 8.36 22.43 9.79 17.83 11.67 25.49 9.70 28.40 9.18 23.15 11.13 19.70 9.39 22.32 12.89 30.01 8.45 21.27 6.66 11.52 4.15 15.57 2.57 9.91 2.29 23.28 -3.28 13.75 -5.21 3.38 -3.74 15.81 -8.73 12.41 -15.89 5.54 -12.15 4.83 -10.86 14.79 -17.16 4.14 -18.55 -5.36 -11.42 4.79 -16.02 0.91 -14.36 -5.49 -17.98 6.01 -16.94 2.78 -17.52 -2.49 -13.44 10.30 -14.11 -0.32 -15.16 2.35 ;,proc gplot data=jr09root; 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; proc arima data= jr09root; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); proc reg data=jr09root; model y=x; output out=out residual=residual; proc arima data=out; identify var=residual stationarity=(adf); proc arima data=jr09root; identify var=y cro