最重要作业时间分析

最重要作业时间分析标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]

最重要作业时间分析页次

时间序列分析作业

时间序列分析作业 1、数据收集 通过长江证券金长江网上交易软件收集中信证券(600030)股价数据（2010-7-1~2011-5-9，共200组），保存文件，命名为“股价数据”。 2、工作表建立 打开eviews，点击file下拉菜单中的new项选择workfile项，弹出窗口如下： （1）、在datespecification中选择integer date。 （2）、在start和end中分别输入“1”“200” （3）、在wf项后面的框中输入工作表名称hr，点击ok。 窗口如下： 3、数据导入 在hr工作文件的菜单选项中选择pro，在弹出的下拉菜单中选择import，然后再下拉二级菜单中选择read text-lotus-excell，找到数据，双击弹出如下对话框：

默认date order，选择右边upper-left data cell下面的空格填写，输入excel中第一个有效数据单元格地址B6，在names for series or number if named in file 中输入序列名称，不妨设为s，点击ok，导入数据。 4、平稳性检验 点击s序列，选择菜单view/correlogram，弹出correlogram specification对话框，如下图，在对话框中默认level，lags to include 改为20（200/10），可得下图：

序列的自相关系数没有很快的趋近0，说明原序列是非平稳的序列。 5、对原序列做对数差分处理 A、在主窗口输入smpl 2 200，对样本数据进行选取， B、在主命令窗口输入series is=log(s)-log(s(-1)) 可以得到新的序列is 对is序列做同上的平稳性检验可以得到如下图：

第三次作业AR模型拟合

实验报告 报告题目：ＡＲ模型拟合 课程名称：应用时间序列分析 专业：统计学 年级：统计１２１ 学号：65 学生姓名：陈江余 指导教师：胡尧 学院：理学院 实验时间：2015年5月２６日

学生实验室守则 一、按教学安排准时到实验室上实验课，不得迟到、早退和旷 课。 二、进入实验室必须遵守实验室的各项规章制度，保持室内安 静、整洁，不准在室内打闹、喧哗、吸烟、吃食物、随地 吐痰、乱扔杂物，不准做与实验内容无关的事，非实验用 品一律不准带进实验室。 三、实验前必须做好预习（或按要求写好预习报告），未做预习 者不准参加实验。 四、实验必须服从教师的安排和指导，认真按规程操作，未经教师允许不得擅自动用仪器设备，特别是与本实验无关的仪器设备和设施，如擅自动用或违反操作规程造成损坏，应按规定赔偿，严重者给予纪律处分。 五、实验中要节约水、电、气及其它消耗材料。 六、细心观察、如实记录实验现象和结果，不得抄袭或随意更改原始记录和数据，不得擅离操作岗位和干扰他人实验。 七、使用易燃、易爆、腐蚀性、有毒有害物品或接触带电设备进行实验，应特别注意规范操作，注意防护；若发生意外，要保持冷静，并及时向指导教师和管理人员报告，不得自行处理。仪器设备发生故障和损坏，应立即停止实验，并主动向指导教师报告，不得自行拆卸查看和拼装。 八、实验完毕，应清理好实验仪器设备并放回原位，清扫好实验现场，经指导教师检查认可并将实验记录交指导教师检查签字后方可离去。 九、无故不参加实验者，应写出检查，提出申请并缴纳相应的实验费及材料消耗费，经批准后，方可补做。 十、自选实验，应事先预约，拟订出实验方案，经实验室主任同意后，在指导教师或实验技术人员的指导下进行。 十一、实验室内一切物品未经允许严禁带出室外，确需带出，必须经过批准并办理手续。

时间序列分析练习题

第二十七章时间序列分析 一、单项选择题 1、以下关于发展水平的说法中，错误的是（）。 A、在绝对数时间序列中，发展水平是绝对数 B、在相对数时间序列中，发展水平表现为相对数 C、发展水平是时间序列中对应于具体时间的指标数值 D、平均数时间序列中，发展水平表现为绝对数 2、（）也称序时平均数或动态平均数，是对时间序列中各时期发展水平计算的平均数，它可以概括性描述现象在一段时期内所达到的一般水平。 A、发展水平 B、发展速度 C、平均发展水平 D、平均发展速度 我国2005—2017年平均每年第三产业就业人数是（）万人。 A、12 480 B、12 918 C、14 000 D、14 412 4、环比发展速度等于（）。 A、逐期增长量与其前一期水平之比 B、累计增长量与最初水平之比 C、报告期水平与最初水平之比 D、报告期水平与其前一期水平之比 5、已知一个序列的环比发展速度为102%、103%、105%，则该序列的定基发展速度为（）。 A、103% B、105% C、110% D、112% 6、以相对数形式表示的两个不同时期发展水平的比值是（）。 A、增长量 B、发展水平 C、增长速度 D、发展速度 7、已知某地区2012-2016年社会消费品零售总额的环比增长速度分别为5%、7%、10%、11%，则这一时期该地区社会消费品零售总额的定基增长速度为（）。 A、5%×7%×10%×11% B、（5%×7%×10%×11%）+1

C、105%×107%×110%×111% D、（105%×107%×110%×111%）-1 8、甲企业某种商品前11个月的实际销售量如下表所示。采用移动平均数法预测，取k＝3，则第 A、303 B、350 C、384 D、394 9、目前计算平均发展速度通常采用（）。 A、众数 B、几何平均法 C、算术平均法 D、增长1%的绝对值法 10、某企业2010年—2016年销售收入的年平均增长速度是27.6%，这期间相应的年平均发展速度是（）。 A、4.6% B、17.6% C、127.6% D、72.4% 11、平均增长速度与平均发展速度的数量关系是（）。 A、平均增长速度=1/平均发展速度 B、平均增长速度＝平均发展速度－1 C、平均增长速度＝平均发展速度＋1 D、平均增长速度＝1－平均发展速度 12、我们经常统计的城镇人口比重属于（）。 A、平均数时间序列 B、相对数时间序列 C、时期序列 D、时点序列 13、下列统计指标中，属于相对指标的是（）。 A、社会消费品零售总额 B、人口性别比 C、房屋建筑面积 D、城镇居民人均可支配收入 14、已知一个有关发展速度的时间序列的指标值是70%、80%、-5%、99%，其平均发展速度（）。 A、61% B、50%

计量经济学大作业

计量经济学大作业 ――税收影响因素的研究学号： 姓名： 专业：

税收影响因素的研究 摘要 本文研究的是税收影响因素模型，通过对1991-2010年税收规模资料的分析，以了解税收的结构、规模及演变的新特点，并探讨影响税收的各因素，运用Eviews软件对1991—2010的历史数据进行分析，并通过我国实际经济发展状况和政策导向运用此关系对以后情况进行预测。 关键词：税收财政支出 OLS 1 问题的提出 从进入21世纪以来，我国的经济发展面临着巨大的挑战与机遇，在新的经济背景下，基于知识和信息的产业发展迅速，全球一体化日渐深入，中国已是WTO的一员。新形势的经济发展是经济稳定和协调增长的结果，由于税收具有敛财与调控的重要功能，因而他在现实的经济发展中至始至终都发挥着非常重要的作用，所以研究影响我国税收收入的主要原因具有非常重要的作用。改革开放以来，中国经济高涨，对税收影响最大的当属财政支出。另外各种消费价格指数也是重要影响因素，而前人有对国内生产总值是否具有影响进行过实证分析。经济发展水平是制约税制结构的生产力要素，两者之间的相关程度较高。这种相关性主要表现为经济发展水平规定着税收参与社会产品分配的比例，决定着税制结构的选择。经济发展水平的差异通常以人均国内生产总值的高低来衡量。在人均国内生产总值不同的国家里，税收规模即税收占国内生产总值的比重是不一样的。以世界银行公布的1980年的调查材料为例，在人均国内生产总值260美元的低收入国家里，国内生产总值税收率为13.2%；人均国内生产总值为2000美元的中等收入国家，这一比率为23.3%；而在人均国内生产总值为1万美元的高收入国家，这一比例是28.1%。显然，一国国内生产总值税收率愈高，税负承受能力愈强，因而也为税制结构的调整提供了物质基础。本文站在前人的基础上，引用计量的方法，将三者综合起来对税收进行探讨，作者认为，在我国经济飞速发展的过程中，国内生产总值有了很大的增长，因而本文将国内生产总值引入该项目的实证研究分析。

(完整版)学生作业情况分析报告

学生作业情况分析报告 一、作业情况分析： 我班同学本学期基本能够按时完成语文作业，但质量非常参差。为此我作了以下调查，并进行数据的分析： 1、完成作业时间: 从数据显示36%同学能在30分钟内完成作业，这部分同学有班上学习成绩好的，也有学习成绩很差的。为什么走两个极端呢？这是因为有部分学习成绩差的同学对待作业的态度大都是很随便的，书写马虎，没有认真思考，只为应付老师的检查，所以这部分同学的作业老师批改起来会相当吃力，有时会了看清他写得什么字还得花功夫。当然在这36%里边大都是学习成绩好的同学，他们认真听讲，所以完成作业时毫不吃力，做得又快又好，书写让老师看得舒心。 46%同学能在40分钟内完成作业，这部分同学比较有耐心，这其中不乏一些学习成绩较好的同学，他们对待作业非常认真，书写一笔一画，相当工整，而且有时会超出老师的要求。 还有18%同学会花上一小时甚至以上的时间来做作业，通过与他们的家长联系，得到的答案几乎是一致的，就是边玩（或边看电视）边做作业，结果事倍功半，一检查对作业所要巩固的内容基本没有掌握。 2、作业类型完成情况统计 从上面数据看出大部分学生不喜欢做动脑筋的作业，对于“思考性作业”

与“作文”大部分学生觉得非常困难，比如作文：没有注意平时积累素材，找不到话题等等；对于阅读分析类的题目，很多同学没有认真思考，总说很难，要么不写，要么为了应付老师随便写写。对于预习、复习这类的作业反正老师看不到，所以索性不做，只有34%的同学能认真地完成，在与家长联系的过程中，很多家长表示孩子回到家除了完成作业以外，很少会复习和预习。有的家长甚至说从未见过孩子在家里拿起语文读课文。 三、对于作业情况引起的反思： 1、习惯差，这是孩子身上的原因 从上面情况分析的数据来看，学生不认真完成家庭作业的情况比较严重，他们并不是不做作业，而是在态度上不重视。小学生往往都是缺乏学习的自觉性，他们不善于利用时间完成作业，常敷衍了事。我班就有几个不做家庭作业的，或胡乱一通的学生。他们的成绩个个很差。但是我并不觉得是他们的智力有问题，而是从小没有把学习的习惯培养起来，经常要老师、同组同学督促才做作业，对于思考性的作业更是敬而远之。这种长期不做作业不思考问题的习惯他们的大脑缺乏灵活性及思维能力。久而久之，学习成绩自然就下降了。 2、作业布置缺乏层次性，这是老师身上的原因 一个巴掌拍不响，孩子对待作业的习惯没有培养好，身为老师的我也责无旁贷。语文作业通常都是一些抄写、背诵、阅读练习、作文等，这样的重复性的作业比赛枯燥乏味，调动不起学生的积极性、主动性，再加上学生之间的个体差异也很大，学习能力也高低不同。对于后进生难度大的作业造成了他们缺少成功的体验和喜悦，久而久之他们对待家庭作业的态度就会变的极为消极甚至不做作业。

时间序列分析作业讲解

《时间序列分析与应用》 课程作业 地震数据（COP.BHZ-24）时间序列分析 一．前言 本次作业选取了第24号文件，共1440个数据。截取前1200个数据进行理分析，然后建立模型。之后再对数据进行预测，然后对1200之后的30个数据进行更新，将更新结果与原观测值进行比对分析，最后得出结论。 二．数据处理

1. 数据读取与画图 首先将文件“COP.BHZ.txt”保存到E盘根目录下，以便于读取。用scan()函数将数据读入，并保存到sugar2文件中。如图1所示。 图1 数据读取 然后，画出该时间序列图。横轴表示时间，单位是*10ms，纵轴表示高程，单位是um。代码及图示如图2、图3所示。 图2 时序图代码 图3 前1200个数据散点图 2. 平稳性检验 从图中看出，该组数据随时间变化基本平稳，仅有小幅波动。最高点与最低点相差也仅在250um之内。通过adf.test()函数可以验证该假设，可以看出该序列是平稳的（stationary）。如图4所示。然后用求平均函数mean()求出这1200个数据的平均值a，可以从图5看到结果。

图4 平稳性检验结果 图5 求平均值 然后，将原始数据减去平均值，得到一组零均值的新数据，命名为sugar3。 3. 数据建模分析 接下来绘制震前数据的自相关函数和偏自相关函数图像，初步判断其大概符合什么模型。图6为画出图像的代码，新序列sugar3的ACF、PACF图像如下所示。 图6 ACF、PACF、EACF图像代码

图7 ACF图 图8 PACF图 从ACF、PACF图可以看出，序列一阶之后相关性较强，虽然在第19阶滞后处有超限的情况，但从总体来看，两个图都是拖尾的情况。因此要借助于EACF 图来做进一步判断。扩展自相关函数EACF图如下。 图9 EACF图 3 模型识别 由EACF图可以看出此时间序列符合ARMA(0,1)或ARMA(2,2)，根据以上信息尚不能明确判断出具体的模型，要建立确定的模型，就需要排除上述模型中的一种，用模型诊断的方法可以实现。模型诊断，或模型评价，涉及检验模型的拟合优度，并且如果拟合程度很差，要给出适当的调整建议。模型诊断的方法有两种：分析拟合模型的残差和分析过度参数化的模型。下面先使用残差法。 3.1 ARMA(0,1)模型诊断

普通高等学校在校学生总数变动的多因素分析_计量经济学大作业

计量经济学大作业――普通高等学校在校学生总数变动的多因素分析学号：0090863 0090817 0090832 姓名：组长：邱碧涛组员：杨意钟丹兰 专业：财政学 修课时间：2011-2012第一学期 任课教师：朱永军 成绩： 评语：本文通过对中国普通高等学校在校学生总数的变动进行多因素分析，采用中国1985年到2009年的数据，建立以在校大学生总数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对在校大学生总数进行数量化分析，得出各因素与在校大学生总数成正相关关系的结论。从大作业的完成情况来看，说明本小组成员对计量经济学有一定程度的理解，并能使用Eviews软件进行实证分析。 Email:275474458@https://www.wendangku.net/doc/5a11642526.html,

普通高等学校在校学生总数变动的多因素分析 摘要 本文主要通过对中国普通高等学校在校学生总数的变动进行多因素分析，建立以在校大学生总数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对在校大学生总数进行数量化分析，观察各因素是如何分别影响在校大学生总数的。 关键词：在校大学生总数多因素分析模型计量经济学检验 Abstract This text uses the total number of students in Chinese colleges and universities to do multivariate analysis, and it establishes a multiple linear regression model, which uses the total number of college students to be the dependent variable and other factors to be the independent variable .What's more, it uses the model to do quantitative analysis of the total number of college students, and observe how various factors affect the total number of college students respectively. Key words: The total number of college students, Multivariate analysis, Model, Econometric, Test

第九章 时间序列分析习题

第九章时间序列分析习题 一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。 二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( )

(整理)8章 时间序列分析练习题参考答案.

第八章 时间数列分析 一、单项选择题 1.时间序列与变量数列( ) A 都是根据时间顺序排列的 B 都是根据变量值大小排列的 C 前者是根据时间顺序排列的，后者是根据变量值大小排列的 D 前者是根据变量值大小排列的，后者是根据时间顺序排列的 C 2.时间序列中，数值大小与时间长短有直接关系的是( ) A 平均数时间序列 B 时期序列 C 时点序列 D 相对数时间序列 B 3.发展速度属于( ) A 比例相对数 B 比较相对数 C 动态相对数 D 强度相对数 C 4.计算发展速度的分母是( ) A 报告期水平 B 基期水平 C 实际水平 D 计划水平 B 5.某车间月初工人人数资料如下： 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 C 6.某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A 150万人 B 150．2万人 C 150．1万人 D 无法确定 C 7.由一个9项的时间序列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 A 8.采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 A 9.某企业的科技投入，2010年比2005年增长了58．6％，则该企业2006—2010年间科技投入的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 B 10.根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 D 11.在测定长期趋势的方法中，可以形成数学模型的是( ) A 时距扩大法 B 移动平均法 C 最小平方法 D 季节指数法

数据模型与决策课程大作业

数据模型与决策课程大作业 以我国汽油消费量为因变量，乘用车销量、城镇化率和90#汽油吨价与城镇居民人均可支配收入的比值为自变量时行回归（数据为年度时间序列数据）。试根据得到部分输出结果，回答下列问题：1）“模型汇总表”中的R方和标准估计的误差是多少 2）写出此回归分析所对应的方程； 3）将三个自变量对汽油消费量的影响程度进行说明； 4）对回归分析结果进行分析和评价，指出其中存在的问题。 1）“模型汇总表”中的R方和标准估计的误差是多少 答案：R方为^2= ；标准估计的误差为^（）= 2）写出此回归分析所对应的方程； 答案：假设汽油消费量为Y，乘用车销量为a，城镇化率为b，90#汽油吨价/城镇居民人均可支配收入为c,则回归方程为： Y=++）将三个自变量对汽油消费量的影响程度进行说明； 乘用车销量对汽油消费量相关系数只有，数值太小，几乎没有影响，但是城镇化率对汽油消费量相关系数是，具有明显正相关，当城镇化率每提高1，汽油消费量增加。乘用90#汽油吨价/城镇居民人均可支配收入相关系数为，呈明显负相关，即乘用90#汽油吨价/城镇居民人均可支配收入每增加1个单位，汽油消费量降低个单位。a, b, c三个自变量的sig值为、、，在显着性水平情形下，乘用车消费量对

汽油消费量的影响显着为正。 （4）对回归分析结果进行分析和评价，指出其中存在的问题。 在学习完本课程之后，我们可以统计方法为特征的不确定性决策、以运筹方法为特征的策略的基本原理和一般方法为基础，结合抽样、参数估计、假设分析、回归分析等知识对我国汽油消费量影响因素进行了模拟回归，并运用软件计算出回归结果，故根据回归结果，对具体回归方程，回归准确性，自变量影响展开分析。 Anova表中，sig值是t统计量对应的概率值，所以t和sig两者是等效的，sig要小于给定的显着性水平，越接近于0越好。F是检验方程显着性的统计量，是平均的回归平方和平均剩余平方和之比，越大越好。在图表中，回归模型统计值F=，p值为，因此证明回归模型有统计学意义，表现回归极显着。即因变量与三个自变量之间存在线性关系。 系数表中，除了常数项系数显着性水平大于，不影响，其它项系数都是，小于，即每个回归系数均具有意义。

银行业和证券业的统计分析

目录

银行业和证券业的统计分析 ——从上市公司的角度 1 研究概要 背景介绍 随着中国金融市场的逐步完善与繁荣，越来越多的人开始关注这个领域。而作为金融市场重要组成部分的证券市场，理所应当地吸引了人们最多的眼球。本次统计大作业的研究中心选择也正是基于这种考虑。在行业类型的选择上，我们结合了小组成员的专业和兴趣，确定了金融行业的两大主要组成部分——银行业与证券业。以期通过SPSS统计软件进行相应的统计分析，寻找这些公司间的共性与特性，为投资者的投资提供有用的参考。 数据选择 我们从A股上市的银行和券商中分别选取十家，根据其2009年6月30日的半年报计算出九个主要的财务指标：股东权益比、负债权益比、主营收入增长率、管理费用比例、总资产周转率、资产负SPSS统计软件债率、每股收益、经营净利率和资产利润率。数据见附表1。 统计方法 通过上述财务指标比较分析银行业与证券业的差异、盈利水平以及股价的变动等方面。我们运用到的统计方法包括描述统计、相关分析、多元线性回归、方

差分析、两个独立样本的非参数检验、主成分分析、聚类分析、判别分析、多维尺度分析、时间序列分析。 2 SPSS统计分析结果 描述统计——两行业特征的比较 我们分别对银行和券商这两个行业的十组数据进行统计描述，以求对两行业之间的特征能有个大致的掌握。结果如下所示： （1）银行业： （2）券商： 通过上表可以看出 （1）券商的股东权益比均值为远大于银行的，说明证券行业风险较大要求券商有较强的抵御外部风险的能力；

（2）银行的负债权益比相较证券业的高，说明银行的负债比例较高，这主要是由于银行吸收存款的特性造成的； （3）从主营收入增长率来看，银行业发展比较稳定，而券商的成长能力较强。 （4）比较两个行业的盈利水平，可以发现券商的资产管理能力，资产的利用率相对较高，善于改善生产经营管理，降低成本费用，有利于利润总额的增加 两个独立样本的非参数检验——银行业与证券业各指标分布的差异 通过对两个独立样本（银行业与证券业）的均值、中位数、离散趋势、偏度等进行差异性检验，分析它们是否来自相同分布的总体。 样本变量的Mann-Whitney U统计量的值分别为0、0、39、33、0、45、26、0；Wilcoxon W统计量的值分别为55、55、94、88、55、55、100、81、55；Z 统计量值分别为、、、、、、、、，负值说明实际观测的秩和比期望观测的秩和要小。股东权益比、负债权益比、总资产周转率、资产负债率和资产利润率比的Sig值比小，说明银行业与证券业的这些指标有显着差异。而主营收入增长率、管理费用比例、每股收益和经营利润率的Sig值比大，说明这些指标在银行业与券商业中差异不大。 为了验证前面得出的结论，用K-S Z方法来检验同一个问题，上表为分析结果。K-S Z的值分别为、、、、、、、和，其所对应的双边渐进显着性水平分别为小于、小于、、小于、小于、、和小于。即主营收入增长率、管理费用比例、每股收益和

时间序列的分析课后作业

《应用时间序列分析》 实训报告 实训项目名称时间序列预处理 实训时间 2013年10月14日 实训地点实验楼309 班级统计1004班 学号 1004100415 姓名范瑛

《应用时间序列分析》 实训(实践) 报告 实训名称时间序列预处理 一、实训目的 目的：熟悉平稳性检验方法和纯随机性检验方法的相关理论和软件实现的过程，并对结果给出解释，加深对理论的理解，提高动手能力。 任务：Eviews软件的常用菜单方式和命令方式操作；时间序列的自相关函数计算；序列的初步分析，并序列进行平稳性和纯随性进行检验，并写出实训报告。 二、实训要求 1、掌握Eviews软件的工作文件建立方法； 2、对时间序列进行初步分析，总结特征； 3、学会用Eviews软件计算时间序列分析相关函数的； 4、对序列进行平稳性和纯随性检验； 5、在上完机后要写出实验报告。 三、实训内容 1、熟悉Eviews软件的菜单操作和命令操作，包括工作文件的建立、数据的输入 与编辑、新序列的产生、在工作文件窗口中删除、更名变量、序列的各种观察(线图、各种统计量)以及时间序列的差分运算和相关函数的计算。本部分主要由教师来演示介绍。 2、初步对序列进行观察，对序列进行观察分析，求出序列的自相关函数和Q-统 计量，并对序列进行平稳性检验和纯随机性检验。 四、实训分析与总结 第一题 根据Eviews分析所得时间序列图如图1所示：

图1：系列样本序列时序图 该时序图显示系列样本有明显的递增趋势，所以它一定不是平稳序列。 Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |****** | . |****** | 1 0.729 0.729 12.293 0.000 . |**** | . | . | 2 0.511 -0.042 18.682 0.000 . |*** | . | . | 3 0.342 -0.033 21.712 0.000 . |**. | . | . | 4 0.215 -0.025 22.983 0.000 . |* . | . | . | 5 0.124 -0.016 23.435 0.000 . | . | . | . | 6 0.063 -0.008 23.560 0.001 . | . | . | . | 7 0.026 -0.002 23.584 0.001 . | . | . | . | 8 0.008 0.003 23.586 0.003 . | . | . | . | 9 0.001 0.005 23.586 0.005 . | . | . | . | 10 0.000 0.003 23.586 0.009 . | . | . | . | 11 0.000 -0.001 23.586 0.015 . | . | . | . | 12 0.000 -0.001 23.586 0.023 图2：系列样本序列自相关图 从图中我们发现序列的自相关系数递减到零的速度相当缓慢，在很长的延迟 时期里，自相关系数一直为正。这是具有单调趋势的非平稳序列的一种典型的自 相关图形式。这和该序列时序图显示的显著的单调递增性是一致的。 第二题 根据Eviews分析所得时间序列图如图3所示：

时间序列分析习题

第8 章时间序列分析 一、填空题： 1．平稳性检验的方法有___________ 、_________ 和__________ 。 2．单位根检验的方法有：__________ 和___________ 。 3．当随机误差项不存在自相关时，用____________ 进行单位根检验；当随机误差 项存在自相关时，用___________ 进行单位根检验。 4. ___________________________________________________ EG检验拒绝零假设说明_______________________________________________________ 。 5. __________________________________________ DF检验的零假设是说被检验时间序列___________________________________________ 。 6. ____________________________ 协整性检验的方法有和。 7. 在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意 义的关系，但经常会得到一个很高的R2的值，这种情况说明存在____________ 问题。 8. ________________________________________________ 结构法建模主要是以____________________________________________________________ 来确定计量经济模型的理论关系形式。 9. _________________________________ 数据驱动建模以作为建模的主要准则。 10. 建立误差校正模型的步骤为一般采用两步：第一步，______________________

时间序列分析作业

1、某股票连续若干天的收盘价如下表： 304 303 307 299 296 293 301 293 301 295 284 286 286 287 284 282 278 281 278 277 279 278 270 268 272 273 279 279 280 275 271 277 278 279 283 284 282 283 279 280 280 279 278 283 278 270 275 273 273 272 275 273 273 272 273 272 273 271 272 271 273 277 274 274 272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解：根据上面的图和SAS软件编辑程序得到时序图，程序如下： data shiyan7_1; input x@@; time=_n_; cards; 304 303 307 299 296 293 301 293 301 295 284 286 286 287 284 282 278 281 278 277 279 278 270 268 272 273 279 279 280 275 271 277 278 279 283 284 282 283 279 280 280 279 278 283 278 270 275 273 273 272 275 273 273 272 273 272 273 271 272 271 273 277 274 274 272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 ; proc print data=shiyan7_1; proc gplot data=shiyan7_1; plot x *time=1; symbol1c=red v=star i=spline; run; 通过SAS运行上述程序可得到如下结果：

时间序列分析期末大作业 GNP平减指数的季度序列分析

20XX级XX专业时间序列分析大作业 20XX年X月X日 某国1960年第一季度-1993年第四季度GNP平减指数的季度序列分析 摘要 附录中给出了某国1960年第一季度-1993年第四季度GNP平减指数的季度序列，本文旨在利用时间序列分析并结合Eviews来研究该时间序列，并给出该国GNP平减指数的时间序列方程式，从而对该国的GNP平减指数进行定性分析。 在进行时间序列分析时，先对数据进行平稳性检测，发现这个序列不平稳且具有季节性，故要用差分进行平稳化操作。经过4阶普通差分，周期为4的季节差分后序列达到平稳。平稳化后进行模型的识别。首先要进行模型的识别与定阶，通过平稳后的序列的自相关系数和偏自相关系数图初步判定模型的种类，当模型都可以通过检验时，通过AIC准则进行模型的拟合度检验，模型的AIC值较小的拟合度较高。拟合度检验后发现AR(4)SAR(4)的模型拟合度最高，故此序列的模型为AR(4)SAR(4)模型。当模型定阶后，就要对模型参数

()12,,T p ????=，()12,,T q θθθθ=进行估计,这一步可以得到模型表达式。定阶 与参数估计完成后，还要对模型进行检验，即要检验t ε是否为平稳白噪声，这里我们用2χ检验法进行模型检验。 关键字：时间序列分析，Eviews ，乘积季节模型 1、平稳性和季节性检测 1.1 从序列的时序图可以初步判断样本序列是否平稳：根据平稳时间序列均值、方差为常数的性质，平稳时间序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界的特点。如果观察序列的时序图显示出该序列有明显的趋势性或者周期性，则时间序列通常不是平稳的时间序列。 该时间序列的时序图如下图所示：

应用时间序列分析习题答案

第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图

2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 ，序列LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下

（2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .021102112 12112011φρφρφρφρρφφρφρφρ 解得：???==15 /115/721φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0

时间序列分析--习题库

说明：答案请答在规定的答题纸或答题卡上，答在本试卷册上的无效。 一、填空题（本题总计25分） 1. 常用的时间序列数据，有年度数据、（ ）数据和（ ） 数据。另外，还有以（ ）、小时为时间单位计算的数据。 2. 自相关系数j ρ的取值范围为（ ）；j ρ与j -ρ之间的关系是（ ）；0ρ=（ ）。 3.判断下表中各随机过程自相关系数和偏自相关系数的截尾性，并用 2. 如果随机过程{}t ε为白噪音，则 t t Y εμ+= 的数学期望为 ；j 不等于0时，j 阶自协方差等于 ，j 阶自相关系数等于 。因此，是一个 随机过程。 1.（2分）时间序列分析中，一般考虑时间（ ）的（ ）的情形。 3. （6分）随机过程{}t y 具有平稳性的条件是： （1）（ ）和（ ）是常数，与 （ ）无关。 （2）（ ）只与（ ）有关，与 （ ）无关。 7. 白噪音的自相关系数是：

1.白噪音{}t y 的性质是：t y 的数学期望为 ，方差为 ；t y 与j -t y 之间的协方差为 。 1.（4分）移动平均法的特点是：认为历史数据中（ ）的数据对未来的数值有影响，其权数为（ ），权数之和为（ ）；但是，（ ）的数据对未来的数值没有影响。 2. 指数平滑法中常数α值的选择一般有2种： （1）根据经验判断，α一般取 。 （2）由 确定。 3. （5分）下述随机过程中，自相关系数具有拖尾性的有（ ），偏自相关系数具有拖尾性的有（ ）。 ①平稳(2) ②(1) ③平稳(1,2) ④白噪 音过程 4.（5分）下述随机过程中，具有平稳性的有（ ），不具有平稳性的有（ ）。 ①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程 ④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+ 2.（3分）白噪音{}t ε的数学期望为（ ）；方差为（ ）；j 不等于0时，j 阶自协方差等于（ ）。 （2）自协方差与（ ）无关，可能与 （ ）有关。 3. （5分）下述随机过程中，自相关系数具有截尾性的有（ ），偏自相关系数具有截尾性的有（ ）。

时间序列分析课后习题解答

第八章 时间序列分析 一、选择题 1.设（甲）代表时期数列；（乙）代表时点数列；（丙）代表几何序时平均数；（丁）代表“首末折半法”序时平均数。现已知1996～2000年某银行的年末存款余额，要求计算各年平均存款余额，需计算的是（ D ）。 A.甲、丙 B.乙、丙 C.甲、乙 D.乙、丁 2.某商业集团2000～2001年各季度销售资料如表8—1所示。 表8—1资料中，是总量时期数列的有（ D ）。 A.1、2、3 B.1、3、4 C.2、4 D.1、3 3.某地区粮食增长量1990～1995年为12万吨，1996～2000年也为12万吨。那么，1990～2000年期间，该地区粮食环比增长速度（ D ）。 A.逐年上升 B.逐年下降 C.保持不变 D.不能做结论 4.利用第2题数据计算零售额移动平均数（简单，4项移动平均），2001年第二季度移动平均数为（ A ）。 A.47.5 B.46.5 C.49.5 D.48.4 5.利用第3题数据计算2000年商品季平均流转次数（=零售额/库存额）（ C ）。 A.1.885 B.1.838 C.1.832 D.1.829 二、判断题 1.连续12个月逐期增长量之和等于年距增长量。（×） 2.计算固定资产投资额的年平均发展速度应采用几何平均法。（×） 3.用移动平均法分析企业季度销售额时间序列的长期趋势时，一般应取4项进行移动平均。（√） 4.计算平均发展速度的水平法只适合时点指标时问序列。（×） 5.某公司连续四个季度销售收入增长率分别为9％、12％、20％和18％，其环比增长速度为0.14％。（×） 三、计算题

1.某地区“九五”时期国内生产总值资料如表8—2所示。试计算该地区“九五”时期国内生产总值和各产业产值的平均发展水平。 表8—2 单位：百万元 解：国内生产总值和各产业产值均为时期指标，应采用时期指标序时平均数计算公式计算。 计算公式： 国内生产总值平均发展水平： 第一产业平均发展水平： 第二产业平均发展水平： 第三产业平均发展水平： 2.某企业2000年8月几次员工数变动登记如表8—3所示。试计算该企业8月份平均员工数。 表8—3 解：该题是现象发生变动时登记一次的时点序列求序时平均数，假设员工人数用Y来表示，则 ≈1260（人）该企业8月份平均员工数为1260人。 3.某企业2000年产品库存量数据如表8—4所示。试计算第一季度、第二季度、上半年、下半年和全年的平均库存量。 表8—4 单位：件

时间序列大作业

应用时间序列 大作业课题：基于ARIMA模型的全国 1980-2013 年邮电业务函件数量时间序列分析及预测 姓名：贾县委 学号：1203650055 编号：48_ 基于ARIMA模型全国1980-2013年邮电业务函件数量时间序列分析及预测

一?摘要 时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研 究，找寻它变化发展的规律，预测它将来的走势。时间序列分析在日常生活中随处可见，有着非常广泛的应用领域。邮政与我们息息相关，他已经成为社会经济生活不可或缺的通信手段。在世界上，函各国都以件量来衡量一个国家的邮政发展水平，而我国的函件量增长却不容乐观，这勾起了我研究的兴趣，加上我本人又有集邮的爱好，因此我选用了函件量进行分析研究。 本文用时间序列分析方法，对一段时间序列进行了拟合。通过对1980至2013 年全国邮电业务函件量序列进行观察分析，建立合适的ARIMA模型，对未来五个月的全国邮电业务函件量序列进行预测。然后对预测值和真实值进行比较，得出结论，所建立的模型有较好的拟合效果，从而提供了一个行情预测的有效方法。 关键词：时间序列函件量ARIMA时间序列分析预测 .、八、- ?刖言 邮政的最初发展史从人们的信函寄送需要开始的，现在邮政的众多业务也是借助经营函件业务而衍生出来的。目前，函件业务的主要包括为用户传递书面通信、文件资料和书籍等。他已经成为社会经济和生活不可缺少的通信手段。如果的函

件业务搞不好，邮政其他业务也就失去了赖以生存的基础，这将严重削弱邮政在 社会中的地位和作用。 当前，世界各国都以函件量来衡量一个国家邮政发展水平，然而几十年随着经济建设的飞速发展，邮电业务的需求量迅猛增长，唯有函件业务增长不容乐观，与发达国家和甚至一些发展中国家相比还有很大差距。原因何在？ 因此，本文就以以我国1980-2013年全国邮电业务函件量的数据为研究对象，做时间序列分析。首先，对全国33年来全国邮电业务函件量的发展变化规律，运用SAS软件进行分析其发展趋势。再则，通过检验说明模型拟合效果的好坏，再利用模型对下一年进行预测。最后，从国家经济、政策和社会发展等方面对全国邮电业务函件量变化规律及未来走势进行分析。 ARIMA 模型建模思路 （一）模型介绍： ARIMA模型（p, d, q）又称为自回归移动平均模型。其中AR指自回归；p为模型的自回归阶数；MA为移动平均；q为模型的移动平均阶数;I指积分;d为时间序列成为平稳之前必须取差分的次数。其一般的表达式为： y t 0 1 y t 1 2y t 2 p y t p 0 0 1 t 1 2 t 2 （二）建模思路： ARIMA建模思路是：假设所研究的时间序列是由某个随机过程产生的，用实际统计序列建立、估计该随机过程的自回归移动平均模型，并用此模型求出预测值。 （三）建模步骤： 1. 观察时间序列。根据时间序的散点图自相关函数(ACF)图和偏自相关函