sas經(jīng)濟(jì)時(shí)間序列分各種模型分析

TOC\o"1-5"\h\z實(shí)驗(yàn)一分析太陽(yáng)黑子數(shù)序列3實(shí)驗(yàn)二模擬AR模型4實(shí)驗(yàn)三模擬MAS型和ARMA?型6實(shí)驗(yàn)四分析化工生產(chǎn)量數(shù)據(jù)8實(shí)驗(yàn)五模擬ARIMAg型和季節(jié)ARIMAg型10實(shí)驗(yàn)六分析美國(guó)國(guó)民生產(chǎn)總值的季度數(shù)據(jù)13實(shí)驗(yàn)七分析國(guó)際航線月度旅客總數(shù)數(shù)據(jù)16實(shí)驗(yàn)八干預(yù)模型的建模19實(shí)驗(yàn)九傳遞函數(shù)模型的建模22實(shí)驗(yàn)十回歸與時(shí)序相結(jié)合的建模25太陽(yáng)黑子年度數(shù)據(jù)28美國(guó)國(guó)民收入數(shù)據(jù)29化工生產(chǎn)過(guò)程的產(chǎn)量數(shù)據(jù)30國(guó)際航線月度旅客數(shù)據(jù)30洛杉磯臭氧每小時(shí)讀數(shù)的月平均值數(shù)據(jù)31煤氣爐數(shù)據(jù)35芝加哥某食品公司大眾食品周銷售數(shù)據(jù)37牙膏市場(chǎng)占有率周數(shù)據(jù)39某公司汽車生產(chǎn)數(shù)據(jù)44加拿大山貓數(shù)據(jù)44實(shí)驗(yàn)一分析太陽(yáng)黑子數(shù)序列一、實(shí)驗(yàn)?zāi)康模毫私鈺r(shí)間序列分析的基本步驟，熟悉SAS/ET欹件使用方法。二、實(shí)驗(yàn)內(nèi)容：分析太陽(yáng)黑子數(shù)序列。三、實(shí)驗(yàn)要求：了解時(shí)間序列分析的基本步驟，注意各種語(yǔ)句的輸出結(jié)果。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。

2、創(chuàng)建名為exp1的SA酸據(jù)集，即在窗中輸入下列語(yǔ)句：3、保存此步驟中的程序，供以后分析使用(只需按工具條上的保存按鈕然后填寫完提問(wèn)后就可以把這段程序保存下來(lái)即可)4、繪數(shù)據(jù)與時(shí)間的關(guān)系圖，初步識(shí)別序列，輸入下列程序:dshtml;dslistingclose;5、un;5、un;提交程序，在graph窗口中觀察序列，可以看出此序列是均值平穩(wěn)序列。6、識(shí)別模型，輸入如下程序。7、提交程序，觀察輸出結(jié)果。初步識(shí)別序列為AR(2)模型。8、估計(jì)和診斷。輸入如下程序:9、提交程序，觀察輸出結(jié)果。假設(shè)通過(guò)了白噪聲檢驗(yàn)，且模型合理，則進(jìn)行預(yù)測(cè)。進(jìn)行預(yù)測(cè)，輸入如下程序:提交程序，觀察輸出結(jié)果。退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。進(jìn)行預(yù)測(cè)，輸入如下程序:提交程序，觀察輸出結(jié)果。退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)?？偝绦?dataexp1;infile"D:\exp1.txt";inputa1@@;year=intnx('year','1jan1742'd,n-1);formatyearyear4.;procprint;run;dshtml;dslistingclose;procgplotdata=exp1;symboli=splinev=doth=1cv=redci=greenw=1;plota1*year/autovreflvref=2cframe=yellowcvref=black;title"太陽(yáng)黑子數(shù)序列”;run;

procarimadata=exp1;identifyvar=a1nlag=24minicp=（0:5）q=（0:5）;estimatep=3;forecastlead=6interval=yearid=yearout=out;run;procprintdata=out;run;選取擬合模型的規(guī)則：.模型顯著有效（殘差檢驗(yàn)為白噪聲）.模型參數(shù)盡可能少.結(jié)合自相關(guān)圖和偏自相關(guān)圖以及minic條件（BIC信息量最小原則）,選取顯著有效的參數(shù)實(shí)驗(yàn)二模擬AR模型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NAR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種AR模型。實(shí)驗(yàn)要求：記錄各AR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，觀察各種序列圖形，總結(jié)AR模型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)間：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、模擬實(shí)根情況，模擬zt+0.64」-0.4ztq=at過(guò)程。3、在edit窗中輸入如下程序：4、觀察輸出的數(shù)據(jù)，輸入如下程序，并提交程序。觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，輸入輸入如下程序，并提交程序。作為作業(yè)把樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)記錄下來(lái)。估計(jì)模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。模擬虛根情況，模擬zt-zy+0.5zt<=at過(guò)程。重復(fù)步驟3-7即可（但部分程序需

要修改，請(qǐng)讀者自己完成）模擬AR（3）模型，模擬乙-0.4乙」+0.3zu-0.2—=at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）.10、回到graph窗口觀察各種序列圖形的異同11、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī).總程序:title;dataa;x1=0.5;x2=0.5;doi=-50to250;a=rannor(32565);x=a-0.6*x1+0.4*x2;x2=x1;x1=x;output;end;run;procprintdata=a;varx;procgplotdata=a;symboli=splinec=red;plotx*i/haxis=-50to255by20;run;quit;procarimadata=a;identifyvar=xnlag=10minicp=(0:3)q=(0:3)outcov=exp1;estimatep=2noint;procgplotdata=exp1;symboli=needlewidth=6;plotcorr*lag;run;procgplotdata=exp1;symboli=needlewidth=6;plotpartcorr*lag;run;實(shí)驗(yàn)三模擬mA真型和armA1型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NMA真型和ARMAg型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種MA真型和ARMA?型。實(shí)驗(yàn)要求：記錄各MA真型和ARMAg型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，觀察各序列的異同，總結(jié)MA真型和ARM梗型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)間：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、模擬R<0,92<0情況，模擬xt=(1+0.65B+0.24B2)at過(guò)程3在edit窗中輸入如下程序:4、觀察輸出的數(shù)據(jù)序列，輸入如下程序，并提交程序。5、觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，輸入輸入如下程序，并提交程序。6、估計(jì)模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。即可(但即可(但7、模擬7>0,日2>0情況，模擬xt=(1-0.65B-0.24B2即可(但即可(但部分程序需要修改，請(qǐng)讀者自己完成)。8、模擬4>0,日2<0情況，模擬xt=(1-0.65B+0.24B2)at過(guò)程。重復(fù)步驟3-7部分程序需要修改，請(qǐng)讀者自己完成)

9、模擬由<0,02>0情況，模擬xt=（1+0.65B—0.24B2）at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）。10、模擬ARM微型，模擬xt+0.75xtl+0.5xt/=5+at_0.3at」_0.4at/過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）.11、回到graph窗口觀察各種序列圖形的異同。12、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī).總程序:dataa;1=0;a2=0;don=1to250;a=rannor(32565);x=a+0.65*a1+0.24*a2;a2=a1;1=a;output;end;run;procgplotdata=a;symboli=splineh=1w=1;plotx*n/haxis=-10to260by10;run;procarimadata=a;identifyvar=xnlag=10minicp=(0:3)q=(0:3)outcov=exp1;estimateq=2noint;run;procgplotdata=exp1;symbol1i=needlec=red;plotcorr*lag=1;

run;procgplotdata=exp1;symbol2i=needlec=green;plotpartcorr*lag=2;run;quit；實(shí)驗(yàn)四分析化工生產(chǎn)量數(shù)據(jù)實(shí)驗(yàn)?zāi)康模哼M(jìn)一步熟悉時(shí)間序列建模的基本步驟，掌握用SACFSSPACFt模型的階的方法。實(shí)驗(yàn)內(nèi)容：分析化工生產(chǎn)過(guò)程的產(chǎn)量序列。實(shí)驗(yàn)要求：掌握ARMA?型建模的基本步驟，初步掌握數(shù)據(jù)分析技巧。寫出實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)間：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)2、創(chuàng)建名為exp2的SASR據(jù)集，即在窗中輸入下列語(yǔ)句：3、保存此步驟中的程序，供以后分析使用（只需按工具條上的保存按鈕然后填寫完提問(wèn)后就可以把這段程序保存下來(lái)即可）。4、繪數(shù)據(jù)與時(shí)間的關(guān)系圖，初步識(shí)別序列，輸入下列程序：5、提交程序，在graph窗口中觀察序列，可以看出此序列是均值平穩(wěn)序列。6、識(shí)別模型，輸入如下程序。7、提交程序，觀察輸出結(jié)果，發(fā)現(xiàn)二階樣本自相關(guān)系數(shù)和一階的樣本偏相關(guān)系數(shù)都在倍的標(biāo)準(zhǔn)差之外，那么我們首先作為一階AR模型估計(jì)，輸入如下程序：8、提交程序，觀察輸出結(jié)果，發(fā)現(xiàn)殘差能通過(guò)白噪聲檢驗(yàn)，但它的二階的樣本偏相關(guān)系數(shù)比較大，那么我們考慮二階AR模型。輸入如下程序：9、提交程序，觀察輸出結(jié)果，發(fā)現(xiàn)殘差樣本自相關(guān)系數(shù)和樣本偏相關(guān)系數(shù)都在2倍的標(biāo)準(zhǔn)差之內(nèi)。且能通過(guò)白噪聲檢驗(yàn)。比較兩個(gè)模型的AIC和SBC,發(fā)現(xiàn)第二個(gè)模型的AIC和SBC?比第一個(gè)的小，故我們選擇第二個(gè)模型為

我們的結(jié)果記錄參數(shù)估計(jì)值，寫出模型方程式。進(jìn)行預(yù)測(cè)，輸入如下程序：12、提交程序，觀察輸出結(jié)果。1312、提交程序，觀察輸出結(jié)果。13、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。dataexp2;infile"D:\exp1.txt";inputx@@;n=n;procprint;run;procgplotdata=exp2;symboli=joinv=starh=2ci=greencv=red;plotx*n/vref=305070cvref=redlvref=2;run;procarimadata=exp2;identifyvar=xnlag=12minicp=(0:3)q=(0:3);stimateplotp=1;forecastlead=2out=out;run;quit;dataexp2;infile"D:\exp1.txt";inputx@@;n=n;procprint;run;procgplotdata=exp2;symboli=joinv=starh=2ci=greencv=red;plotx*n/vref=305070cvref=redlvref=2;run;procarimadata=exp2;identifyvar=xnlag=12minicp=(0:3)q=(0:3);stimateplotp=1;forecastlead=2out=out;run;quit;實(shí)驗(yàn)五模擬ARIMA真型和季節(jié)ARIMA真型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NARIMA真型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)，區(qū)別各種ARIMA真型的圖形，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種ARIMA真型。實(shí)驗(yàn)要求：記錄各ARIMA真型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)觀察各序列圖形的異同，總結(jié)ARIMA真型的樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)間：2小時(shí)。四、實(shí)驗(yàn)軟件：SAS四、實(shí)驗(yàn)軟件：SAS系統(tǒng)五、實(shí)驗(yàn)步驟.開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。.2、模擬ARIMA(0,1,1)過(guò)程，模擬xt=xt」+at-0.8atJ1過(guò)程。.創(chuàng)建數(shù)據(jù)集，在edit窗中輸入如下程序：4、觀察輸出的數(shù)據(jù)序列，輸入如下程序：。5、提交程序，在Graph窗口中觀察圖形。6、觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，輸入輸入如下程序：提交程序，發(fā)現(xiàn)自相關(guān)系數(shù)成緩慢下降的趨勢(shì)，說(shuō)明要做差分運(yùn)算，做一階差分運(yùn)算，輸入如下程序：7、提交程序，觀察樣本自相關(guān)系數(shù)與樣本偏相關(guān)系數(shù)，發(fā)現(xiàn)自相關(guān)系數(shù)1階截尾，故判斷差分后序列為MA(1)模型。進(jìn)行模型參數(shù)估計(jì)，輸入如下程序：8、提交程序，并觀察殘差圖，發(fā)現(xiàn)模型擬合完全。10、寫出模型的方程，并與真實(shí)模型對(duì)比。itlataa;x1=0.9;a1=0;don=0to250;a=rannor(32565);end;run;procgplotdata=a;symboli=joinv=doth=1ci=greencv=red;plotx*n/vref=-214cvref=redlvref=2haxis=-10to260by10;run;

procarimadata=a;identifyvar=xnlag=10minicp=(0：3)q=(0：3)outcov=exp1;run;procgplotdata=exp1;symbolli=needlec=red;plotcorr*lag=1;run;procgplotdata=exp1;symbol2i=needlec=green;plotpartcorr*lag=2;run;procarimadata=a;一階差分x(1)*/一階差分x(1)*/run;estimateq=1plotnoint;

19、提交程序，觀察樣本自相關(guān)系數(shù)和樣本偏相關(guān)系數(shù)，確定模型階數(shù)。20、估計(jì)模型參數(shù)，輸入如下程序：提交程序，觀察殘差的樣本自相關(guān)系數(shù)和樣本偏相關(guān)系數(shù)，看是否通過(guò)了白噪聲檢驗(yàn)。寫出模型方程式，并與真實(shí)模型對(duì)比?；氐絞raph窗口觀察各種序列圖形的異同。23、23、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī).datac;x1=0.9;x2=0;x3=0;x4=0;x5=0;x6=0;x7=0;x8=0;x9=0;x10=0;x11=0;x12=0;x13=0;a1=0;a2=0;a3=0;a4=0;a5=0;a6=0;a7=0;a8=0;a9=0;a10=0;a11=0;a12=0;a13=0;don=0to250;a=rannor(12345);x=x1+x12-x13+a-0.4*a1-0.6*a12+0.24*a13;x13=x12;x12=x11;x11=x10;x10=x9;x9=x8;x8=x7;x7=x6;x6=x5;x5=x4;x4=x3;x3=x2;x2=x1;x1=x;a13=a12;a12=a11;a11=a10;a10=a9;a9=a8;a8=a7;a7=a6;a6=a5;a5=a4;a4=a3;a3=a2;a2=a1;a1=a;output;end;run;procgplotdata=c;symboli=joinv=doth=1ci=greencv=red;plotx*n/vref=-20110cvref=redlvref=2haxis=-10to260by10;run;procarimadata=c;identifyvar=xnlag=20minicp=(0:3)q=(0:3);run;estimateq=(1)(12)method=clsnoint;run;procgplotdata=exp1;symbolli=needlec=red;plotcorr*lag=1;run;procgplotdata=exp1;symbol2i=needlec=green;plotpartcorr*lag=2;

們知道要對(duì)序列做差分運(yùn)算，作一階差分，輸入如下程序：9、提交程序，觀察樣本自相關(guān)系數(shù)，可看出樣本自相關(guān)系數(shù)5步后是截尾的，那么確定為MA(5)模型，進(jìn)行參數(shù)估計(jì),輸入如下程序:10、提交程序，觀察輸出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，說(shuō)明模型擬合充分。且MA1,3,MA1,4的T值較小，說(shuō)明參數(shù)顯著為0,除掉這兩項(xiàng)重新進(jìn)行估計(jì)，輸入如下程序：11、提交程序，觀察輸出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，說(shuō)明模型擬合充分，且殘差標(biāo)準(zhǔn)誤與前一估計(jì)相差很小，故以此結(jié)果為我們所要的結(jié)果，依此結(jié)果寫出方程12、進(jìn)行預(yù)測(cè)，預(yù)測(cè)美國(guó)未來(lái)2年的每季國(guó)民生產(chǎn)總值。輸入如下程序:13、提交程序,并把預(yù)測(cè)值記錄下來(lái)。退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)dataexp3;桌面\exp1.txt";inputgnp@@;date=intnx('qtr',"1jan47"d,_n_-1);formatdateyyqc.;run;procgplotdata=exp3;symboli=joinw=2ci=green;/*wsymboli=joinw=2ci=green;/*w:線的大小h:點(diǎn)的大小l:線的類型*/plotgnp*date=1;run;datalexp;setexp3;lgnp=log(gnp);run;procgplotdata=lexp;symbol2i=splinec=redw=2;

run;procarimadata=lexp;identifyvar=lgnp(1)nlag=12minicp=(0：3)q=(0:3);run;estimateq=5;run;estimateq=(1,2,5)plot;run;orecastlead=6interval=qtrid=dateout=results;run;dataresults2;setresults;gnp=exp(lgnp);l95=exp(l95);u95=exp(u95);forecast=exp(forecast);keepdategnpl95forecastu95;run;procprintdata=results2;vardategnpl95forecastu95;wheredate>='1jan96'd;run;procgplotdata=results2;plotgnp*date=1forecast*date=2l95*date=3u95*date=3/overlaylegend;symbol1v=dotcv=redi=noneh=1w=1;

實(shí)驗(yàn)七分析國(guó)際航線月度旅客總數(shù)數(shù)據(jù)實(shí)驗(yàn)?zāi)康模菏煜み\(yùn)用SAS建立ARIMA(p,d,q)(P,D,Q)s模型的方法，進(jìn)一步了解ARIMA(p,d,q)(P,D,Q)s模型的特征。二、實(shí)驗(yàn)內(nèi)容：1949年1月至1960年12月國(guó)際航線月度旅客總數(shù)數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫出分析報(bào)告。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp4的SASR據(jù)集，輸入如下程序：2、繪序列圖，輸入如下程序：3、提交程序，觀察圖形，發(fā)現(xiàn)圖形有很強(qiáng)的季節(jié)性，且成指數(shù)函數(shù)上升形式，故做對(duì)數(shù)變換，輸入如下程序：4、繪變換后序列圖，輸入如下程序：5、提交程序，到graph窗口中觀察變換后的序列圖，可以看出它總的趨勢(shì)成直線上升，且有很強(qiáng)的季節(jié)性。對(duì)序列做初步識(shí)別，輸入如下程序：6、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，可看出樣本自相關(guān)系數(shù)有緩慢下降趨勢(shì)，偏相關(guān)系數(shù)在1步，13步，25步較大，我們作一步一階差分，輸入如下程序：7、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，發(fā)現(xiàn)樣本自相關(guān)系數(shù)在12步，24步,36步特別大，而偏相關(guān)系數(shù)在12步特別大，那么我們?cè)僮?2步的一階差分，輸入如下程序：10、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，發(fā)現(xiàn)樣本自相關(guān)系數(shù)在1步，12步特別大，而偏相關(guān)系數(shù)看不出有特別的規(guī)律，我們可確定模型的MAH子為(1--B)(1-%B12)at。11、進(jìn)行參數(shù)估計(jì)，輸入如下程序：12、提交程序，觀察輸出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，說(shuō)明模型擬合充分，故以此結(jié)果為我們所要的結(jié)果，依此結(jié)果寫出方程式。13、進(jìn)行預(yù)測(cè)，輸入如下程序:

14、提交程序，仔細(xì)觀察預(yù)測(cè)的結(jié)果有什么規(guī)律，思考為什么有這樣的規(guī)律?15、變換預(yù)測(cè)值，以獲取原度量下的預(yù)測(cè)值，輸入如下程序:16、繪預(yù)測(cè)和置信限的散點(diǎn)圖，輸入如下程序:17、提交程序，觀察圖形。退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。dataexp4;桌面\exp1.txt";inputair@@;date=intnx('month','1jan49'd,n-1);formatdatemonyy.;run;procgplotdata=exp4;symbolli=joinv=dotc=red;plotair*date=1;run;datalair;setexp4;lair=log(air);run;procgplotdata=lair;symbol2i=splinec=green;plotlair*date=2;run;procarimadata=lair;identifyvar=lairnlag=36;run;identifyvar=lair(1)nlag=24;run;identifyvar=lair(1,12)nlag=24minic;run;estimateq=(1)(12)noconstantmethod=ulsplot;run;orecastlead=3interval=monthid=dateout=b;run;procprintdata=b;run;datac;setb;air=exp(lair);forecast=exp(forecast+std*std/2);l95=exp(l95);u95=exp(u95);run;procprintdata=c;run;symbol1I=nonev=starr=1c=red;symbol2I=joinv=plusr=1c=green;symbol3I=joinv=nonel=3r=1c=blue;procgplotdata=c;wheredata>='1jan59'd;lotair*date=1forecast*date=2l95*date=3u95*date=3/overlayhaxis='1jan59'dto'1mar61'dbymonth;run;實(shí)驗(yàn)八干預(yù)模型的建模一、實(shí)驗(yàn)?zāi)康模赫莆崭深A(yù)模型的分析方法，進(jìn)一步熟悉ARIMAM程的使用方法。二、實(shí)驗(yàn)內(nèi)容：1955年1月至1972年12月洛杉磯月平均臭氧數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫出實(shí)驗(yàn)報(bào)告，掌握干預(yù)模型的建模方法。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。

五、實(shí)驗(yàn)軟件:SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入五、實(shí)驗(yàn)軟件:SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp5的SA酸據(jù)集，輸入如下程序:或者輸入如下程序:dataexp5;inputozone@@;date=intnx(month','1jan55'd,n-1);formatdatemonyy.;month=month(date);year=year(date);x1=year>=1960;summer=(5<month<11)*(year>1965);winter=(year>1965)-summer;cards;只輸入ozone一欄的數(shù)據(jù)run;3、保存上述程序，供以后分析使用(只需按工具條上的保存按鈕，然后填寫完提問(wèn)后就可以把這段程序保存下來(lái))4、繪序列圖，輸入如下程序:5、提交程序，觀察圖形，發(fā)現(xiàn)圖形有很強(qiáng)的季節(jié)性和緩慢下降的趨勢(shì)。6、初步識(shí)別模型，輸入如下程序:7、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，可看出樣本自相關(guān)系數(shù)在1步，12步,24步，36步都較大，且具有周期性，偏相關(guān)系數(shù)在1步最大，我們作季節(jié)差分，輸入如下程序:8、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)，發(fā)現(xiàn)樣本自相關(guān)系數(shù)在1步，12步較大，而偏相關(guān)系數(shù)在1步，12步，24步都較大，且呈現(xiàn)拖尾現(xiàn)象，我們可確定模型的MAS子為(1-0iB)(1-02B12)at0

9、進(jìn)行參數(shù)估計(jì)，輸入如下程序：10、提交程序，觀察輸出結(jié)果，可看出模型不是很干凈，且不能通過(guò)白噪聲檢驗(yàn)。我們可以做殘差序列圖，觀看殘差的特性，輸入如下程序:11、進(jìn)行預(yù)測(cè)，輸入如下程序：12、提交程序，觀察圖形，可看出前面一段時(shí)期的殘差比后面的要大。13、我們考察修建高速公路后，是否對(duì)臭氧有顯著性影響，輸入如下程序：14、提交程序，觀察輸出結(jié)果，發(fā)現(xiàn)模型的標(biāo)準(zhǔn)差，AIC,SBC都變小了很多,且x1的影響顯著。思考為什么要對(duì)x1進(jìn)行季節(jié)差分?15、我們?cè)賮?lái)考察汽車裝上尾氣過(guò)濾器，是否對(duì)臭氧有顯著性影響，輸入如下程序:16、提交程序，觀察輸出結(jié)果，發(fā)現(xiàn)模型的標(biāo)準(zhǔn)差，AIC,SBC都變小了，且模型基本上通過(guò)了白噪聲檢驗(yàn)，并且x1,summer的影響顯著,而winter的影響不顯著。思考為什么不對(duì)summe庠口winter進(jìn)行差分?17、進(jìn)行預(yù)測(cè)值，輸入如下程序:注：這樣的預(yù)測(cè)是x1,summer,winter已知的預(yù)測(cè)。18、提交程序，觀察預(yù)測(cè)值。19、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。dataexp5;桌面\exp1.txt";inputnozonex1summerwinter@@;date=intnx('month','1jan55'd,_n_-1);formatdatemonyy.;run;procgplotdata=exp5;symbol1i=joinv=dotc=red;plotozone*date=1;run;procarimadata=exp5;identifyvar=ozonenlag=36;run;identifyvar=ozone(12)nlag=36minic;run;estimateqX1)(6)(12)method=clsplot;run;orecastlead=36interval=monthid=dateout=bnoprint;run;procgplotdata=b;symbolI=splinev=dotc=red;plotresidual*date;run;procarimadata=exp5;identifyvar=ozone(12)crosscorr=(x1(12))noprint;estimateq=(1)(6)(12)input=(x1)noconstantmethod=mlitprintplot;run;procarimadata=exp5;identifyvar=ozone(12)crosscorr=(x1(12)summerwinter)noprint;estimateq=(1)(12)input=(x1summerwinter)noconstantmethod=mlitprintplot;run;orecastlead=12id=dateinterval=monthout=c;run;procgplotdata=c;symbolI=splinev=dotc=red;plotresidual*date;run;quit;實(shí)驗(yàn)九傳遞函數(shù)模型的建模一、實(shí)驗(yàn)?zāi)康模菏煜鬟f函數(shù)模型的建模方法。二、實(shí)驗(yàn)內(nèi)容：煤氣爐數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫出實(shí)驗(yàn)報(bào)告，總結(jié)傳遞函數(shù)模型的建模的一般步驟。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp6的SASR據(jù)集，輸入如下程序：3、保存上述程序，供以后分析使用（只需按工具條上的保存按鈕，然后填寫完提問(wèn)后就可以把這段程序保存下來(lái)）。4、繪序列圖，輸入如下程序：5、提交程序，仔細(xì)觀察兩序列圖形，看兩者有何聯(lián)系。6、先觀察xt和見(jiàn)的相關(guān)情況，看是否要做差分，輸入如下程序：7、提交程序，觀察m的yt自相關(guān)和互相關(guān)系數(shù)，發(fā)現(xiàn)都很快的衰減，表明不要做差分運(yùn)算。8、識(shí)別輸入序列xt,輸入如下程序：9、提交程序，觀察xt的自相關(guān)和偏相關(guān)系數(shù)，可以看到偏相關(guān)系數(shù)是3步截尾的。10、對(duì)xt擬合AR（3）模型，看是否充分，輸入如下程序：11、提交程序，觀察輸出結(jié)果，可看到模型通過(guò)了白噪聲檢驗(yàn)，說(shuō)明擬合效果不錯(cuò)，把擬合的方程式寫出來(lái)。12、觀察預(yù)白噪聲化后的兩序列的互相關(guān)系數(shù)，輸入如下程序：13、提交程序，觀察樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)和互相關(guān)系數(shù)，我們可以初步識(shí)別傳遞函數(shù)模型為（2,2,3）（思考：為什么？），即：14、進(jìn)行參數(shù)估計(jì)，并查看殘差的相關(guān)情況，輸入如下程序：15、提交程序，觀察輸出結(jié)果，可以看到殘差的偏相關(guān)系數(shù)是2步截尾的。那么模型可識(shí)別為：16、進(jìn)行參數(shù)估計(jì)，輸入如下程序：17、提交程序，觀察輸出結(jié)果，可看到打很小，且模型通過(guò)了白噪聲檢驗(yàn)，那么我們除掉這一項(xiàng)，再進(jìn)行估計(jì)，輸入如下程序:18、提交程序，觀察輸出結(jié)果，可看到模型通過(guò)了白噪聲檢驗(yàn)提交程序，說(shuō)明模型擬合充分，請(qǐng)寫出方程式。19、進(jìn)行預(yù)測(cè)，輸入如下程序:20、提交程序，觀察預(yù)測(cè)結(jié)果。21、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。dataexp6;桌面\exp1.txt";inputxy@@;t=n；run;procgplotdata=exp6;symbolli=splinec=red;symbol2i=splinec=green;plotx*t=1y*t=2;run;procarimadata=exp6;identifyvar=ycrosscorr=(x)nlag=12;run;procarimadata=exp6;identifyvar=xnlag=12minic;run;estimatep=(1,2,3,5)nointplot;run;stimateinput=(3$(1,2)/(1,2)x)plot;run;estimatep=2input=(3$(1,2)/(1,2)x)plot;run;estimatep=2input=(3$(1,2)/(1)x)plot;run;forecastlead=6;run;實(shí)驗(yàn)十回歸與時(shí)序相結(jié)合的建模一、實(shí)驗(yàn)?zāi)康模菏煜せ貧w與時(shí)序相結(jié)合的建模方法。二、實(shí)驗(yàn)內(nèi)容：芝加哥某食品公司大眾食品周銷售數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫出實(shí)驗(yàn)報(bào)告，總結(jié)回歸與時(shí)序相結(jié)合的建模的一般步驟。四、實(shí)驗(yàn)時(shí)間：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp7的SASR據(jù)集，輸入如下程序：3、保存上述程序，供以后分析使用(只需按工具條上的保存按鈕，然后填寫完提問(wèn)后就可以把這段程序保存下來(lái))。4、首先只分析銷售額的數(shù)據(jù)，不加回歸項(xiàng)。繪序列圖，輸入如下程序：5、提交程序，仔細(xì)觀察序列圖形。6、初步識(shí)別模型，輸入如下程序：7、提交程序，觀察y1的相關(guān)系數(shù)，發(fā)現(xiàn)偏相關(guān)系數(shù)是4階截尾的，那么我們初步識(shí)別為AR(4)模型，進(jìn)行參數(shù)估計(jì)，并觀察殘差相關(guān)系數(shù)。輸入如下程序：8、提交程序，觀察輸出結(jié)果，可看到模型擬合得還是比較好。10、然后可以實(shí)驗(yàn)其他一些模型，最后根據(jù)AIC和BIC準(zhǔn)則，我們最后選定模型為：11、下面我們開(kāi)始加入回歸項(xiàng)，首先我們繪四個(gè)序列的圖形。輸入如下程序：12、提交程序，觀察這四個(gè)序列有什么特點(diǎn)。13、繪y1對(duì)y2、y3、y4的散點(diǎn)圖，輸入如下程序：14、提交程序，觀察他們的相關(guān)性，可看出y1和y2負(fù)相關(guān)，y1和y3正相關(guān)，而y1和y4好象不相關(guān)。

做純回歸分析，輸入如下程序：16、提交程序，觀察輸出結(jié)果，可看到y(tǒng)4的系數(shù)接近于零，我們除掉這一項(xiàng)再做回歸，并觀察殘差的相關(guān)系數(shù)，輸入如下程序：17、提交程序，觀察輸出結(jié)果，可看到殘差不是白躁聲。我們把殘差用ARMA模型擬合，輸入如下程序：18、提交程序，觀察輸出結(jié)果，可以看出模型擬合比較充分，且y4、MA1,1、AR1,3的系數(shù)接近如零，除掉這幾項(xiàng)，再觀察，輸入如下程序：19、提交程序，觀察輸出結(jié)果，可以看出模型擬合比較充分，且殘差的標(biāo)準(zhǔn)誤和前一模型沒(méi)有多大變化，且AIC和BIC也比前一模型小，故我們就選擇這一模型，把這一結(jié)果記錄下來(lái)。20、下面我們來(lái)看看殘差對(duì)預(yù)測(cè)值，y2,y3的關(guān)系圖。輸入如下程序：22、提交程序，觀察圖形，可看出殘差對(duì)y2,y3還不是十分充分，我們加入y2,y3的滯后一階，看結(jié)果有什么變化，輸入如下程序：23、提交程序，觀察輸出結(jié)果，并與原來(lái)結(jié)果比較，看是否有進(jìn)步。（沒(méi)進(jìn)步）24、進(jìn)行預(yù)測(cè)，輸入如下程序：25、提交程序，觀察預(yù)測(cè)結(jié)果。26、退出SAS系統(tǒng)，關(guān)閉計(jì)算機(jī)。dataexp7;桌面\exp1.txt";inputy1y2y3y4@@;date=intnx('week','14sep91'd,_n_-1);formatdatedate9.;run;procgplotdata=exp7;symbol1i=splinec=red;ploty1*date=1;run;procarimadata=exp7;identifyvar=y1nlag=15minic;

run;estimatep=(1,4)plot;run;procgplotdata=exp7;symbol3i=splinec=green;ploty1*date=3y2*date=3y3*date=3y4*date=3;run;procplotdata=exp7;ploty1*y2='*'y1*y3='*'y1*y4='*';run;procarimadata=exp7;identifyvar=y1crosscorr=(y2y3y4)noprint;estimateinput=(y2y3y4);run;identifyvar=y1crosscorr=(y2y3);stimateinput=(y2y3)plot;identifyvar=y1crosscorr=(y2y3y4);estimatep=4q=3input=(y2y3y4)plot;run;identifyvar=y1crosscorr=(y2y3);stimatep=(1,2,4)q=(2,3)input=(y2y3)plot;run;orecastlead=6id=dateinterval=weekout=anoprint;run;datab;mergeexp7a;run;procgplotdata=b;plotresidual*forecast='*'residual*y2='*'residual*y3='*';symbolc=red;run;datad;setexp7;y21=lag(y2);y31=lag(y3);run;procarimadata=d;identifyvar=y1crosscorr=(y2y21y3y31)noprint;estimatep=(1,2,4)q=(2,3)input=(y2y21y3y31)plot;run;forecastlead=6;run;附數(shù)據(jù)：太陽(yáng)黑子年度數(shù)據(jù)(1742-1957)美國(guó)國(guó)民收入數(shù)據(jù)(1947第一季度到1996第三季度)(順序是橫向排列)化工生產(chǎn)過(guò)程的產(chǎn)量數(shù)據(jù)(順序是橫向排列)國(guó)際航線月度旅客數(shù)據(jù)(1949.01-1960.12,單位：千人)(順序是橫向排列)112118132129121135148148136119104118115126141135125149170170158133114140145150178163172178199199184162146166171180193181183218230242209191172194196196236235229243264272237211180201204188235227234264302293259229203229242233267269270315364347312274237278135791113151719212325272931333537394143284277317313318374413405355306271306315301356348355422465467404347305336340318362348363435491505404359310337360342406396420472548559463407362405417391419461472535622606508461390432洛杉磯臭氧每小時(shí)讀數(shù)的月平均值數(shù)據(jù)(1955-1972)2.70.00.00.03.60.00.00.06.50.00.00.05.90.00.00.06.40.00.00.08.20.00.00.04.10.00.00.05.50.00.00.04.80.00.00.06.30.00.00.08.70.00.00.05.70.00.00.03.00.00.00.04.90.00.00.04.00.00.00.06.30.00.00.08.00.00.00.05.00.00.00.03.70.00.00.02.50.00.00.022.00.00.00.022.00.00.00.045.00.00.00.066.10.00.00.085.00.00.00.0107.40.00.00.0123.90.00.00.0144.50.00.00.0163.80.00.00.0185.60.00.00.0205.90.00.00.0225.30.00.00.0245.70.00.00.0263.40.00.00.0284.50.00.00.0305.70.00.00.0327.10.00.00.0345.20.00.00.0364.70.00.00.0383.10.00.00.0404.00.00.00.0424.60.00.00.0444.20.00.00.05.10.00.00.04.40.00.00.02.90.00.00.04.70.00.00.04.00.00.00.07.70.00.00.05.30.00.00.04.80.00.00.01.71.00.00.03.41.00.00.04.31.00.00.05.51.00.00.05.41.00.00.02.41.00.00.02.21.00.00.02.61.00.00.02.91.00.00.04.21.00.00.03.91.00.00.02.51.00.00.02.41.00.00.02.11.00.00.03.31.00.00.04.11.00.00.04.81.00.00.02.81.00.00.01.71.00.00.045474951535557596163656769717375777981838587899193959799101464.6464.60.00.00.0484.00.00.00.0502.40.00.00.0525.10.00.00.0547.50.00.00.0566.30.00.00.0585.70.00.00.0602.70.00.00.0622.01.00.00.0644.01.00.00.0665.01.00.00.0685.01.00.00.0703.81.00.00.0722.01.00.00.0742.51.00.00.0763.31.00.00.0784.31.00.00.0804.21.00.00.0823.91.00.00.0842.21.00.00.0861.91.00.00.0884.51.00.00.0903.41.00.00.0925.71.00.00.0945.01.00.00.0962.91.00.00.0983.21.00.00.01003.01.00.00.01023.81.00.00.01041044.81.00.00.01063.51.00.00.01082.41.00.00.01102.31.00.00.01123.11.00.00.01144.51.00.00.01165.01.00.00.01184.81.00.00.01201.41.00.00.01222.91.00.00.01244.21.00.00.01264.11.00.00.01285.81.00.00.01306.11.00.00.01321.91.00.00.01341.91.00.00.01364.41.00.00.01385.61.01.00.01405.11.01.00.01424.81.01.00.01441.51.00.01.01462.51.00.01.01481.81.00.01.01503.71.01.00.01525.11.01.00.01545.41.01.00.01561.81.00.01.01582.61.00.01.01603.21.00.01.01031051071091111131151171191211231251271291311331351371391411431451471491511531551571595.01.00.00.04.91.00.00.02.51.00.00.01.61.00.00.02.51.00.00.03.51.00.00.05.71.00.00.04.61.00.00.02.11.00.00.02.11.00.00.02.71.00.00.03.91.00.00.04.61.00.00.04.41.00.00.03.51.00.00.01.81.00.00.03.71.00.00.03.81.00.00.05.71.01.00.05.61.01.00.02.51.00.01.01.81.00.01.02.61.00.01.03.71.00.01.04.91.01.00.03.71.01.00.03.01.00.01.02.11.00.01.02.81.00.01.0

1613.51.00.01.01623.51.01.00.01634.91.01.00.01644.21.01.00.01654.71.01.00.01663.71.01.00.01673.21.00.01.01681.81.00.01.01692.01.00.01.01701.71.00.01.01712.81.00.01.01723.21.00.01.01734.41.00.01.01743.41.01.00.01753.91.01.00.01765.51.01.00.01773.81.01.00.01783.21.01.00.01792.31.00.01.01802.21.00.01.01811.31.00.01.01822.31.00.01.01832.71.00.01.01843.31.00.01.01853.71.00.01.01863.01.01.00.01873.81.01.00.01884.71.01.00.01894.61.01.00.01902.91.01.00.01911.71.00.01.01921.31.00.01.01931.81.00.01.01942.01.00.01.01952.21.00.01.01963.01.00.01.01972.41.00.01.01983.51.01.00.01993.51.01.00.02003.31.01.00.02012.71.01.00.02022.51.01.00.02031.61.00.01.02041.21.00.01.02051.51.00.01.02062.01.00.01.02073.11.00.01.02083.01.00.01.02093.51.00.01.02103.41.01.00.02114.01.01.00.02123.81.01.00.02133.11.01.00.02142.11.01.00.02151.61.00.01.02161.31.00.01.0217***1.00.01.0218***1.00.01.0219***1.00.01.0220***1.00.01.0221***1.00.01.0222***1.01.00.0223***1.01.00.0224***1.01.00.0225***1.01.00.0226***1.01.00.0227***1.00.01.0228***1.00.01.0煤氣爐數(shù)據(jù)（每9秒取樣，共296對(duì)觀察值）第一個(gè)為輸入煤氣速度（立方米/秒），第二個(gè)為排出煤氣的co2的比例。（順序是橫向排列）芝加哥某食品公司大眾食品周銷售數(shù)據(jù)（從1991年9月14日開(kāi)始，156周的觀察值,1銷售額的對(duì)數(shù)，2平均促銷價(jià)格，3形象廣告費(fèi)所占的百分比,4擺設(shè)費(fèi)所占的百分比，順序是橫向排列）牙膏市場(chǎng)占有率周數(shù)據(jù)（從1958年1月到1963年4月，1960年8月，1是觀察秩序，2是crest牙膏市場(chǎng)占有率，3是Colgate10.1080.42430.1260.4285Colgate10.1080.42430.1260.42850.1190.35270.1550.43490.1360.428110.1240.354130.1200.425150.0670.363170.1400.464190.1050.405210.1300.410230.1200.310250.1030.411270.0930.405牙膏市場(chǎng)占有率,4是crest牙膏價(jià)格5是Colgate牙膏價(jià)格）2.0702.0502.1702.0402.1202.0602.1002.0302.1002.0102.1202.0302.0702.0302.1602.1002.1402.0602.0201.9902.1202.0602.1602.1102.1502.0502.1102.04020.1660.48240.1150.39760.1760.34280.1180.445100.1370.395120.1310.497140.1330.401160.0860.341180.1220.431200.0790.460220.1420.423240.1150.413260.0780.452280.0860.2902.1702.1002.0701.9602.0502.0102.0702.0902.1402.0402.0502.0702.1202.0402.1702.0602.0102.0102.1002.0102.1301.9402.0902.0502.1102.0502.0502.020290.0990.3422.1102.030300.0780.3112.1702.030330.0560.4002.1601.990340.0500.3802.0101.940350.0650.3712.2102.050360.0910.3442.0802.090370.0940.3452.0802.030380.1240.3632.1202.070390.1530.3922.0302.090400.0780.3792.1402.070410.1140.3492.0402.070420.0880.3372.1702.100430.1650.2352.0902.040440.1600.2502.1102.000450.0750.3602.0002.030460.1180.2821.9502.060470.1000.2572.1402.120480.1020.3452.0901.990490.1310.3442.0902.060500.1480.3582.0302.110510.1370.3222.0702.020520.0900.3322.1701.990530.0880.3152.0102.050540.1720.3161.9402.010550.1110.3412.0802.060560.0970.3872.1702.130570.0980.4022.0702.050580.0900.3472.1802.120590.1270.4141.9602.000600.1160.4262.1402.030610.1370.3222.1102.030620.1110.3722.1102.050630.1070.3812.1002.000640.0970.3392.1402.050650.1340.4052.1002.040660.1600.3042.0602.030670.1470.4392.1301.990680.1040.3361.9902.080690.1280.4052.0702.000700.1280.3591.9602.020710.1650.3792.0201.980720.1840.3031.9202.030730.1720.3401.8601.930740.2070.3121.9002.020750.2210.2911.8901.960760.1590.2592.0102.010770.1980.3421.9302.030780.1970.4581.8801.990790.2510.2751.9202.070800.1460.3401.9402.030810.1330.3852.0101.980820.2430.3381.9401.990830.1920.3701.9401.990840.1500.2901.9202.020850.2210.3251.8902.100860.1830.3372.0202.040870.1360.3382.0101.940880.2060.3231.9702.060890.1270.3571.9701.950900.1390.3811.8902.060910.1890.3712.0301.970920.1940.2942.0302.060930.1140.3841.9802.020940.2290.2861.9702.030950.1480.3352.0202.050960.1550.3102.0302.000970.1060.3042.0602.000980.1560.3052.1001.990990.0530.4032.0701.9801000.1120.3651.8601.9901010.0840.3051.9901.9301020.1910.1722.0101.9901030.1490.3212.0701.9701040.1430.3432.1102.0701050.0940.3542.0801.9701060.1840.3162.0801.9901070.2050.2922.0801.8601080.2060.3052.0702.0301090.1910.2942.1302.0001100.1950.2892.1001.9501110.1790.3012.0801.9401120.2720.3042.0902.0201130.2030.3062.0901.9401140.1650.4052.0502.0101150.1380.3442.0201.8701160.2160.3532.1001.9701170.1320.3831.9901.9001180.1200.3492.1102.0301190.0830.3742.1802.0001200.1180.4112.0701.9401210.1250.2872.0902.0501220.1090.4202.0301.9701230.1190.4702.0102.0201240.1540.3542.0801.9801250.1220.3922.0902.0901260.1260.4211.9801.9802.080 2.030TOC\o"1-5"\h\z1270.1260.4352.0202.0501280.1300.4242.080 2.0301290.1580.3442.0801.9701300.1410.3692.0301.9901310.1450.3642.0201.9501320.1270.3862.0902.0601330.1710.4062.0401.9801340.1520.4391.9602.0301350.2110.3451.9602.0601360.3090.2912.0502.0501370.2420.2921.9801.9601380.3800.2491.9402.0601390.3620.2831.9701.9401400.3280.3012.0002.0301410.3590.2802.0201.9601420.3520.2511.9602.0901430.3220.3032.0301.9801440.3330.2742.0001.9901450.3650.3281.9801.9601460.3670.2441.9602.0501490.3070.2931.9901.9901500.3180.3211.9802.0001510.2800.3301.9701.9401520.2980.2731.9802.0301530.3360.3041.9401.9701540.3390.2921.9302.0201550.3440.2512.0002.0501560.3100.3502.0301.9701570.3170.3021.9502.0301580.3690.3061.9601.9301590.3200.2721.9801.9801600.2900.2962.0502.0601610.3610.2651.9701.9501620.2350.3642.0102.0501630.3200.2841.9502.0001640.3370.3301.8902.0601650.2890.3511.9402.0501660.3390.3362.0001.9701670.1870.3832.0102.0401680.4140.2141.9302.0001690.3730.2602.0001.9801700.2650.2982.0101.9501710.3160.2481.8901.9501720.2450.3081.9301.9101730.3280.3561.8302.0001740.3680.2781.9001.9401750.2870.3141.8502.0101760.3690.2141.9301.9801770.4060.2531.9501.8601780.3160.2871.9301.9901790.3620.2381.9501.9501800.3080.2531.9202.0001810.2860.3361.9001.9501820.4200.2551.8801.8901830.2990.2491.8801.9901840.3830.1951.8402.0401850.3540.2692.0301.9601860.4180.2011.9701.9301870.4250.1841.9401.9201880.4450.2031.8701.9701890.4080.1931.9102.0101900.2820.3221.8501.9201910.4100.2611.7801.9601920.4250.1831.8301.9501930.3580.2891.8401.8601940.3930.2431.8101.9201950.3750.3021.8901.9201960.2730.3501.8801.8901970.2370.4011.8102.0001980.3310.3321.8301.9601990.3350.3511.9001.9302000.3950.2801.8701.9902010.3570.3081.9001.9702020.2960.2991.9302.0002030.3070.1991.9001.9902040.3900.2831.7201.9602070.3542070.3542090.3572110.4322130.5302150.4202170.4232190.3932210.3872230.4212250.4012270.4592290.3882310.3852330.3472350.3412370.4142390.2742410.4392430.4352450.3832470.3742490.3462510.3292530.3972550.4172570.3882590.3162.0002.0001.9901.9301.9401.9401.8601.9001.8801.9501.8801.8501.8801.8201.8201.8101.7701.7801.6801.7901.7601.7401.7401.7601.6601.7601.6802050.2980.3331.8901.8702060.3810.2331.8501.930TOC\o"1-5"\h\z0.2961.8501.9702080.4360.2671.9600.2531.8801.9502100.4270.2391.7600.1551.8002.0002120.4500.2471.7300.2011.6701.8402140.4310.2661.7200.2901.7601.9102160.4110.2311.7600.2551.8001.9802180.4330.2421.7200.2711.8701.9502200.3890.2661.8000.2441.8501.9102220.4390.2041.7100.2131.7401.8702240.3630.2951.8600.2541.8801.8602260.3940.2421.7800.2281.7401.9302280.4410.1811.8300.2641.8201.8402300.3730.2771.8200.2841.8001.8002320.3140.2481.8700.2801.9201.8602340.4080.2491.9100.2791.7501.8502360.3610.2821.9000.2671.8201.8602380.3800.2521.7700.1901.8501.7902400.3520.2841.8300.2071.8301.7602420.3550.3271.8900.2591.8701.7302440.4080.2861.9000.2751.8101.6902460.3570.2441.8300.3411.8501.6802480.3660.3311.7800.2501.7901.7302500.3810.2201.7500.2931.8801.7402520.4740.2051.7100.2541.8001.7802540.4360.2681.7900.2111.6601.8202560.4300.2031.7400.2711.6301.8102580.4530.2901.7300.3231.7501.8202600.4140.253