[SAS软件相关] 建模和时间序列分析参考.ppt

* 指数平滑模型:指数趋势可乘季节模型(Exponential trend, multiplicative seasonality model) * 指数平滑模型:减幅趋势可加季节模型（Damped trend, additive seasonality model） * 指数平滑模型:减幅趋势可乘季节模型（Damped trend, multiplicative seasonality model） * ARIMA模型 平稳时间序列满足的条件：对所有t, E(Zt)=m，而且自协方差函数gts=cov(Xt,Xs)=E(Xt-m)(Xs-m)。 仅仅与差t-s有关，因此可以记gk=gt,t+k=cov(Xt-m)(Xt-m)。对于平稳序列，自相关函数(acf)定义为corr(Zt,Zt+k)= gk/g0。偏相关函数(pacf)定义为corr(Zt,Zt+k|Zt+1,…,Zt+k-1)。 函数acf和pacf的点图可以用来帮助识别平稳过程的ARMA(p,q)模型。AR(p)和MA(q)模型是ARMA(p,q)模型的特例，而ARMA(p,q)模型又是ARIMA(p,d,q)的特例（这里只有趋势，没有季节），而ARIMA(p,d,q)又是既有趋势又有季节成分的ARIMA(p,d,q)(P,D,Q)s模型的特例。 * ARIMA模型:为了便于描述公式，定义算子 * AR(p)模型 或者，用等价的算子符号， * MA(q)模型 或者，用等价的算子符号， * ARMA(p,q)模型 或者，用等价的算子符号， * ARIMA(p,d,q)(P,D,Q)s模型 这里 为类似于ARMA(p,q)模型中的算子 只不过是描述季节序列的罢了；它们定义为 * AR(p)模型： 或者，用等价的算子符号， * AR(p)模型： 或者，用等价的算子符号， * 指数平滑模型:减幅趋势可乘季节模型（Damped trend, multiplicative seasonality model） * 指数平滑模型:减幅趋势可乘季节模型（Damped trend, multiplicative seasonality model） * AR(p)模型： 或者，用等价的算子符号， #Shumway Example 6.12 newdat = read.table(c:/xzwu/2009/berkeley/ts/shumway/mydata/Newbold1.txt, comment.char=#) y = newdat[1:50,2] # quarterly inflation (column 2) z = newdat[1:50,3] # quarterly interest rates (column 3) plot(ts(y,start=c(1953,1),frequency=1)) points(ts(y,start=c(1953,1),frequency=1),type=p,pch=15) lines(ts(z,start=c(1953,1),frequency=1),lty=2) points(ts(z,start=c(1953,1),frequency=1),type=p,pch=18) library(dse) my=TSdata(input= newdat[,3,drop = F],output=newdat[, 2,drop = F]) my=tframed(my, list(start=c(1953,1), frequency=4)) seriesNamesInput(my)=CPI seriesNamesOutput(my)=BILLS bb=estBlackBox(my,max.lag=3) #lag=?!!! tfplot(bb) bb$model #Giving F, G, H, K bb$estimates #giving $cov, $like, $pred attributes(bb)#model #library(dse) my1=TSdata(output=newdat[,c(3,2),drop = F]) my1=tframed(my1, list(start=c(1953,1), frequency=4)) bb1=estBlackBox(my1,max.lag=3) tfplot(bb1) attributes(bb1)#model bb1$model #Giving F, H, K bb1$estimates #giving $cov, $like, $pred #library(dse) my2=TSdata(outpu