时间序列分析:趋势时间序列分析之确定性时间趋势
Posted SAS知识
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了时间序列分析:趋势时间序列分析之确定性时间趋势相关的知识,希望对你有一定的参考价值。
上一篇文章介绍如何利用拟合出的模型进行预。今天,我们将介绍确定性时间趋势。
大量的经验证据表明,经济分析中涉及的大多数时间序列是非平稳的,特别是宏观经济时间序列,往往呈现出随时间而变化的趋势。非平稳序列的时间趋势主要有两种,一种是确定性时间趋势,一种是随机性时间趋势。
确定性时间趋势
所谓确定性时间趋势,从直观意义上讲,是指序列的趋势不是变化莫测的,可以用趋势线来加以刻画,用统计学的语言来描述,就是指序列的趋势是时间t的函数。
对确定性趋势的时间序列进行建模的方法为趋势拟合法,就是把时间作为自变量,相应的序列观察值作为因变量,建立序列值随时间变化的回归模型的方法。常见的趋势拟合函数有:
l线性函数
如果长期趋势呈现出线性特征,那么可以用线性模型来拟合它,模型可以具体写为:
二次函数
如果长期趋势呈现出二次函数的特征,那么可以用二次函数来拟合它,模型可以表示成:
对数函数
如果长期趋势呈现出对数函数的特征,模型可以表示成:
指数函数
如果长期趋势呈现出对数函数的特征,模型可以表示成:
在ARIMA过程中,可以将趋势变量作为输入变量引入模型,进行确定性趋势拟合,基本语法为:
其中,在IDENTIFY语句中,选项CROSSCORR=在括号中指定和分析变量相关的输入变量,CROSSCORR可以简写为CROSS。如果在输入变量的后面指定了差分阶数,则系统将分析差分后的输入变量,如果同时在ESTIMATE语句用选项INPUT=指定了该输入变量,系统将使用差分后的输入变量进行模型拟合和估计。
例17.9:运用ARIMA过程进行确定性趋势拟合。
首先,用如下程序生成一组趋势时间序列。
由于需要使用ARIMA过程进行确定性趋势拟合,因此,需要在输入数据集work.testdata添加趋势变量。代码如下:
这里,新生成了变量_LINEAR_、_QUAD_和_LOG_,这些变量将进入ARIMA过程中对序列进行拟合。我们也注意到,在输入数据集的尾部,增加了10条新的观测,这10条新观测中,趋势变量都是非缺失值,序列VAR1、VAR2和VAR3都为缺失,等待ARIMA过程根据趋势变量进行拟合和预测。进行拟合和预测的代码如下:
通常上面的代码,将得到拟合效果,如图17.51至图17.53所示。
图17.51 例17.9中序列VAR1的预测效果图
图17.52 例17.9中序列VAR2的预测效果图
图17.53 例17.9中序列VAR3的预测效果图
运用趋势拟合法,可以将时间序列中的确定性时间趋势提取出来。如果时间序列在去除确定性时间趋势后,变成平稳时间序列,那么这种时间序列也叫做趋势平稳序列。对于趋势平稳序列,我们可以在提取出确定性趋势之后,运用Box-Jenkins方法进一步提取观测之间的依赖性关系。
本文结束,下一篇文章开始介绍随机时间趋势。
回复【数据和代码】可以下载《深入解析SAS》一书的数据和代码。
查询往期文章,请回复下列关键字:
【安全】==>【SAS智能平台安全管理】系列文章
【Base基础】==>【Base SAS基础】系列文章
【编程概念】==>【SAS编程基本概念】系列文章
【描述性统计】==>【SAS统计分析系列:描述性统计分析】系列文章
【读外部数据】==>【读取外部数据到SAS数据集】系列文章
【假设检验】==>【参数估计与假设检验】系列文章
【单数据集处理】==>【单数据集处理】系列文章
【方差分析】==>【方差分析】系列文章
【主成分与因子分析】==>【主成分分析与因子分析】系列文章
【多数据集处理】==>【多数据集处理】系列文章
【判别分析】==>【判别分析】系列文章
【聚类分析】==>【聚类分析】系列文章
【线性回归】==>【线性回归】系列文章
【数据汇总展现】==>【数据汇总与展现】系列文章
【SQL语言】==>【SQL语言】系列文章
【LOGISTIC回归分析】==>【LOGISTIC回归分】系列文章
小贴士
读者可以从以下链接获取SAS公司提供的免费版环境:
SAS大学版(SAS® University Edition)是SAS为在校大学生免费提供的基于虚拟机和网页的SAS环境。回复关键字【大学版】,可以查看详细介绍。
下载路径:
https://www.sas.com/en_us/software/university-edition/download-software.html
SAS学术版(SAS® OnDemand for Academics)是 SAS 为学术届人士免费提供的、在线的、基于SAS 私有云上的应用服务环境。
用户首先需要注册,然后按照提示信息就可登录。
注册路径:
http://odamid.oda.sas.com
本文转自《深入解析SAS — 数据处理、分析优化与商业应用 》
如若转载本文,请在文章顶部标注 “本文转自SAS知识 (ID: SASAdvisor),摘自《深入解析SAS — 数据处理、分析优化与商业应用 》”
作者介绍
夏坤庄
《深入解析SAS — 数据处理、分析优化与商业应用》第一作者, SAS软件研究开发(北京)有限公司客户职能部总监。在承担研发工作的同时,夏及其团队负责对SAS非英语市场提供技术支持,并且与在美国及其它地区的团队一起,服务于SAS的SaaS/RaaS业务,同时提供和验证关于SAS产品和技术在应用领域的最佳实践。在加入SAS软件研究开发(北京)有限公司之前,夏就职于SAS中国公司,历任资深咨询顾问、项目经理、首席顾问、咨询经理,拥有丰富的咨询和项目实施经验。在长期的从业经历中,不但为SAS的金融行业客户成功实施了众多深受好评的项目,而且在近年领导实施了非金融行业的多个大数据分析项目。
SAS知识 微信:SASAdvisor 长按二维码关注
欢迎大家投稿,一起分享SAS的点滴
投稿邮箱: sasadvisor@outlook.com
以上是关于时间序列分析:趋势时间序列分析之确定性时间趋势的主要内容,如果未能解决你的问题,请参考以下文章
时间序列分析:趋势时间序列分析之运用ARIMA过程建立趋势模型