时间序列实验报告一

浙江大学城市学院实验报告

课程名称时间序列分析

实验项目名称SAS编程简介

实验成绩指导老师（签名）日期2015-3-17

一.实验目的和要求

本实验介绍了SAS的一些基本知识及其在处理时间序列数据集中的而一些应用。具体的实验目的包括以下三个方面：

1．了解SAS并熟悉SAS的操作界面；

2. 熟悉并且掌握SAS数据集的不同创建方式；

3. 熟悉并且掌握利用SAS对时间序列数据集进行变换等处理方法。

二. 实验内容和原理

要求将sas代码及运行结果等写在实验报告上。

（1）查看并选择性操作SAS窗口、菜单以及命令行和工具栏。

（2）从国家统计局网站上寻找并下载数据：从2007年1月至今的消费者价格指数，请对其建立SAS临时数据集和永久数据集。

（3）以下表格为某年6月份的日最高气温，其中4日、12日、19日以及24日的气温值缺失，请根据此表建立SAS数据集并对缺失值差值。

三. 操作方法与实验步骤（包括实验数据记录和处理）

（2）

临时数据库代码：

data example1_1;

input time mo n yy5. price;

format time monyy5.;

cards;

Feb15 101.4

Dec14 101.5 Nov14 101.4 Oct14 101.6 Sep14 101.6 Aug14 102 Jul14 102.3 Jun14 102.3 May14 102.5 Apr14 101.8 Mar14 102.4 Feb14 102 Jan14 102.5 Dec13 102.5 Nov13 103 Oct13 103.2 Sep13 103.1 Aug13 102.6 Jul13 102.7 Jun13 102.7 May13 102.1 Apr13 102.4 Mar13 102.1 Feb13 103.2 Jan13 102 Dec12 102.5 Nov12 102 Oct12 101.7 Sep12 101.9 Aug12 102 Jul12 101.8 Jun12 102.2 May12 103 Apr12 103.4 Mar12 103.6 Feb12 103.2 Jan12 104.5 Dec11 104.1 Nov11 104.2 Oct11 105.5 Sep11 106.1 Aug11 106.2 Jul11 106.5 Jun11 106.4

Apr11 105.3 Mar11 105.4 Feb11 104.9 Jan11 104.9 Dec10 104.6 Nov10 105.1 Oct10 104.4 Sep10 103.6 Aug10 103.5 Jul10 103.3 Jun10 102.9 May10 103.1 Apr10 102.8 Mar10 102.4 Feb10 102.7 Jan10 101.5 Dec09 101.9 Nov09 100.6 Oct09 99.5 Sep09 99.2 Aug09 98.8 Jul09 98.2 Jun09 98.3 May09 98.6 Apr09 98.5 Mar09 98.8 Feb09 98.4 Jan09 101 Dec08 101.2 Nov08 102.4 Oct08 104 Sep08 104.6 Aug08 104.9 Jul08 106.3 Jun08 107.1 May08 107.7 Apr08 108.5 Mar08 108.3 Feb08 108.7 Jan08 107.1 Dec07 106.5 Nov07 106.9 Oct07 106.5

Sep07 106.2 Aug07 106.5 Jul07 105.6 Jun07 104.4 May07 103.4 Apr07 103 Mar07 103.3 Feb07 102.7 Jan07 102.2 ;

run;

结果

永久数据库代码

data sasuser.example1_1; input time monyy5. price; format time monyy5.; cards;

Feb15 101.4

Jan15 100.8

Dec14 101.5

Nov14 101.4

Oct14 101.6

Sep14 101.6

Aug14 102

Jul14 102.3

Jun14 102.3

May14 102.5

Apr14 101.8

Mar14 102.4

Feb14 102

Jan14 102.5

Dec13 102.5

Nov13 103

Oct13 103.2

Sep13 103.1

Aug13 102.6

Jul13 102.7

Jun13 102.7

May13 102.1

Apr13 102.4

Mar13 102.1

Feb13 103.2

Jan13 102

Dec12 102.5

Nov12 102

Oct12 101.7

Sep12 101.9

Aug12 102

Jul12 101.8

Jun12 102.2

May12 103

Apr12 103.4

Mar12 103.6

Feb12 103.2 Jan12 104.5 Dec11 104.1 Nov11 104.2 Oct11 105.5 Sep11 106.1 Aug11 106.2 Jul11 106.5 Jun11 106.4 May11 105.5 Apr11 105.3 Mar11 105.4 Feb11 104.9 Jan11 104.9 Dec10 104.6 Nov10 105.1 Oct10 104.4 Sep10 103.6 Aug10 103.5 Jul10 103.3 Jun10 102.9 May10 103.1 Apr10 102.8 Mar10 102.4 Feb10 102.7 Jan10 101.5 Dec09 101.9 Nov09 100.6 Oct09 99.5 Sep09 99.2 Aug09 98.8 Jul09 98.2 Jun09 98.3 May09 98.6 Apr09 98.5 Mar09 98.8 Feb09 98.4 Jan09 101 Dec08 101.2 Nov08 102.4 Oct08 104 Sep08 104.6 Aug08 104.9 Jul08 106.3

Jun08 107.1 May08 107.7 Apr08 108.5 Mar08 108.3 Feb08 108.7 Jan08 107.1 Dec07 106.5 Nov07 106.9 Oct07 106.5 Sep07 106.2 Aug07 106.5 Jul07 105.6 Jun07 104.4 May07 103.4 Apr07 103 Mar07 103.3 Feb07 102.7 Jan07 102.2 ;

run;

结果

(3)

data example1_2;

input day mondd5. tem; format day mondd5. tem; cards;

Jun01 29.8

Jun02 30.2

Jun03 29.9

Jun04 .

Jun05 32.4

Jun06 30.1

Jun07 30.5

Jun08 29.8

Jun09 32.5

Jun10 33.1

Jun11 32.4

Jun12 .

Jun13 33.6

Jun14 34.1

Jun15 33.9

Jun16 34.2

Jun17 32.8

Jun18 31.6

Jun19 .

Jun20 33.6

Jun21 32.8

Jun22 33.4

Jun23 32.5

Jun24 .

Jun25 34.1

Jun26 34.5

Jun27 33.8

Jun28 34.2

Jun29 33.4

Jun30 34.4

;

proc expand data=example1_2 out=example1_3; proc print data=example1_2;

proc print data=example1_3;

run;

四.实验结果与分析

补充知识点：

输入（出）格式说明输入形式举例输出形式举例

DATAw. 以日-月-年的顺序输入（

出）日期值

03feb08

03feb2008

3-feb-2008

03feb08

03feb2008

DDMMYYw. 以日-月-年的顺序输入（030208 03/02/08

出）日期值03/02/08

03-02-08

MMDDYYw. 以月-日-年的顺序输入（

出）日期值

020308

02/03/08

02-03-08

03/02/08

YYMMDDw. 以年-月-日的顺序输入（

出）日期值

080203

08/02/03

08-02-03

08-02-03

MONYYw. 以月-年的顺序输入（出）

月份值

Feb08

Feb2008

Feb08

Feb2008

YYQw. 以年-季度的顺序输入（出

）季度值

08q1

2008q1

2008q1

多元时间序列建模分析

应用时间序列分析实验报告

单位根检验输出结果如下：序列x的单位根检验结果：

1967 58.8 53.4 1968 57.6 50.9 1969 59.8 47.2 1970 56.8 56.1 1971 68.5 52.4 1972 82.9 64.0 1973 116.9 103.6 1974 139.4 152.8 1975 143.0 147.4 1976 134.8 129.3 1977 139.7 132.8 1978 167.6 187.4 1979 211.7 242.9 1980 271.2 298.8 1981 367.6 367.7 1982 413.8 357.5 1983 438.3 421.8 1984 580.5 620.5 1985 808.9 1257.8 1986 1082.1 1498.3 1987 1470.0 1614.2 1988 1766.7 2055.1 1989 1956.0 2199.9 1990 2985.8 2574.3 1991 3827.1 3398.7 1992 4676.3 4443.3 1993 5284.8 5986.2 1994 10421.8 9960.1 1995 12451.8 11048.1 1996 12576.4 11557.4 1997 15160.7 11806.5 1998 15223.6 11626.1 1999 16159.8 13736.5 2000 20634.4 18638.8 2001 22024.4 20159.2 2002 26947.9 24430.3 2003 36287.9 34195.6 2004 49103.3 46435.8 2005 62648.1 54273.7 2006 77594.6 63376.9 2007 93455.6 73284.6 2008 100394.9 79526.5 run; proc gplot; plot x*t=1 y*t=2/overlay; symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run; proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run; proc arima; identify var=y crrosscorr=x; estimate methed=ml input=x plot; forecast lead=0id=t out=out; proc aima data=out; identify varresidual stationarity=(adf=2); run;

应用时间序列分析习题答案解析整理

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(221Λ+++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .02110211212112011φρφρφρφρρφφρφρφρ 解得：???==15/115 /72 1φφ 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 2212122 ) 1)(1)(1(1)(σφφφφφφ-+--+-= t x Var 2) 15.08.01)(15.08.01)(15.01() 15.01(σ+++--+= =1.98232σ ?????=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ?? ? ??=-====015.06957.033222111φφφρφ

速度知觉实验报告

速度知觉 实验报告 指导老师： 班级： 姓名：学号：时间： 一、引言 速度知觉反应了每个人对速度感觉的差异，速度知觉也是各项劳动实践中和各项体育运 动中不可缺少的技术指标。驾驶员超车要估计前面车子的速度，要估计对面来车的速度，要 估计前面横越车子、行人的速度足球运动员在赛场上要对足球滚动的速度，其他运动员跑动 速度要做出敏捷快速的判断，所以准确掌握速度判断能力是很有用的。本实验是用平均误差 法来分析实验数据，从而得出不同状态下，被试者的速度知觉是否有不同。 平均差误法（method of average error）又称调整法，再造法，均等法，是最古老且 最基本的传统心理物理法之一。它最适用于测量绝对阈限和等值，也可用于测量差别阈限。 平均差误法的比较（变异）刺激大都是由被试操作或调整而产生的连续量的变化。接近 阈限时，被试可反复调整，直到其满意为止。被试调整到在感觉上相等的两个刺激值，其物 理强度之差的绝对值的平均数就是所求的阈限值。由于被试参与操作，也容易产生动作误差。 例如，从小于标准刺激调整到与标准刺激相等，和从大于标准刺激调整到与标准刺激相等， 其结果就可能不同。其计算公式如下： ae=∑∣x-s∣/n 式中，｜x－s｜：每次测得的绝对误差 x：被试估计时间 s：标准时间 n：实验次数 用这个方法测得的阈限值比用其它两种方法测得的要小一些，因为其差别阈限处于上下 限之间的主观相等地带之内，而绝对阈限则50%次感觉到的强度之下。由于平均差误法获得 数据的标准和计算的方法与其他方法不同，它所测得的结果可以说只是一个阈限的近似值。 因此，用此法测得的阈限不能直接与用其他方法测得的阈限进行比较。 二、实验目的 运用平均误差法分析得出在不同状态下人的速度知觉。 三、实验方法 3.1 被试 1名被试，年龄21岁左右。 3.2 仪器 名称：ep509速度知觉测试仪器 组成：仪器的正面是由知觉箱、被试反应键和活动挡板组成。 仪器的背面是由控制操作面板、反应键插座和电源插座组成。控制操作面板上有许多开 关和按钮：计时器、位置选择开关（远和近）、速度选择开关（快和慢）、启动按钮、复位按 钮、电源开关和实验/演示切换开关。 3.3 操作 1.将电源线连接到220v交流电上。 2.将反映键的插头接到知觉箱的插座上。 3.打开电 源。 4.速度选择开关有快、慢两档供主试选择（慢：4s 5.位置选择开关有近远两档，挡板与开关选择同步移动，供主试选择。 6.主试按启动按 钮，灯光自右向左移动。 7.被试按下反应键后，计时器显示结果。 8、主试按复位键为下次 操作做准备。 3.4 测试方法 1.演示 2.被试坐在仪器正前方，眼睛平视右面的光点，注意前面光电的变化。 3.主试按下仪器 操作面左下方按键，使仪器工作在演示状态下。

时间序列分析实验报告(3)

《时间序列分析》课程实验报告

一、上机练习（P124） 1.拟合线性趋势 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 程序： data xiti1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc gplot data=xiti1; plot x*t; symbol c=red v=star i=join; run; proc autoreg data=xiti1; model x=t; output predicted=xhat out=out; run; proc gplot data=out; plot x*t=1 xhat*t=2/overlay; symbol2c=green v=star i=join; run; 运行结果：

分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行拟合：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=9.7086,b=1.9829，它们的检验P值均小于0.0001，即小于显著性水平0.05，拒绝原假设，故其参数均显著。从而所拟合模型为：x t=9.7086+1.9829t.

分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。 2.拟合非线性趋势 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 程序： data xiti2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a=0.1 b=1.1; der.a=b**t; der.b=a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay;

应用时间序列分析试卷一

应用时间序列分析试卷 一 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】

应用时间序列分析（试卷一） 一、 填空题 1、拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。 2、白噪声序列具有性质纯随机性和方差齐性。 3、平稳AR （p ）模型的自相关系数有两个显着的性质：一是拖尾性；二是呈负指数衰减。 4、MA(q)模型的可逆条件是：MA(q)模型的特征根都在单位圆内，等价条件是移动平滑系数多项式的根都在单位圆外。 5、AR （1）模型的平稳域是{}11<<-φφ。AR （2）模型的平稳域是 {}11,12221<±<φφφφφ且， 二、单项选择题 1、频域分析方法与时域分析方法相比（D ） A 前者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 B 后者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 C 前者理论基础扎实，操作步骤规范，分析结果易于解释。 D 后者理论基础扎实，操作步骤规范，分析结果易于解释。 2、下列对于严平稳与宽平稳描述正确的是（D ） A 宽平稳一定不是严平稳。 B 严平稳一定是宽平稳。 C 严平稳与宽平稳可能等价。 D 对于正态随机序列，严平稳一定是宽平稳。 3、纯随机序列的说法，错误的是（B ）

A时间序列经过预处理被识别为纯随机序列。 B纯随机序列的均值为零，方差为定值。 C在统计量的Q检验中，只要Q 时，认为该序列为纯随机序列，其 中m为延迟期数。 D不同的时间序列平稳性检验，其延迟期数要求也不同。 4、关于自相关系数的性质，下列不正确的是（D） A. 规范性； B. 对称性； C. 非负定性； D. 唯一性。 5、对矩估计的评价，不正确的是（A） A. 估计精度好； B. 估计思想简单直观； C. 不需要假设总体分布； D. 计算量小（低阶模型场合）。 6、关于ARMA模型，错误的是（C） A ARMA模型的自相关系数偏相关系数都具有截尾性。 B ARMA模型是一个可逆的模型 C 一个自相关系数对应一个唯一可逆的MA模型。 D AR模型和MA模型都需要进行平稳性检验。 7、MA（q）模型序列的预测方差为下列哪项（B） A、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?< ? =? > ?? 22 1-1 22 1q （1++...+） （1++...+） B、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q （1++?+） （1++?+） C、 []2 q 2 , Va() , t l l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1 （1++?+） （1++?+） D、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q-1 （1++?+） （1++?+）

速度知觉实验报告

速度知觉实验报告 篇一：速度知觉实验报告- 速度知觉实验报告 研部：贾月娥 实验目的：学习速度知觉的测量方法，测定速度知觉的准确性。 1.引言 1.1 简介： 速度知觉是运动知觉的一种，与时间知觉也有一定关系。能否正确估计物体的运动速度，在人的实践活动中有重要意义。速度知觉的准确性可以作为职业测评的一个指标。 本实验以亮点实际运动到某处所用时间与被试估计时间之差来评定速度知觉准确性。2.实验对象与方法 1.2 方法与程序：本实验有两种运动速度（40点/秒和100点/秒），三种运动类型（水平、垂直和平面运动）。为克服方向带来的误差，每种运动类型又有两种相反方向（左右、上下和里外），这样就组合成12种任务，每种任务测两次，共24次。各类测定随机呈现。老师指导被试阅读指示语，说明反应方法（认为时间到了即按反应键），然后开始测定。每次测定之后都有反馈，被试可以对照调整自己以后的估计。时间估计精确到毫秒级。 1.3 结果与讨论：结果分数中列出了平均估计误差（相

对误差），由所有24次估计的误差的绝对值平均而来，代表被试的平均估计准确性，越小表示估计越准确。并列出了各种运动方向和速度下的平均估计误差。 详细结果分六列：第一列为运动速度；第二列为运动方向；第三列为实际运动时间；第四列为估计运动时间；第五列为估计绝对误差（正表示估计太迟，误差为负表示估计太早），三四五列均以毫秒为单位；第六列为估计相对误差，即：（估计时间－实际时间）/实际时间。 请统计检验运动速度、运动类型以及练习对速度知觉准确性的影响。 2.研究方法 2.1被试 XX级沈阳体育学院研究生部运动训练7班学生、女、23岁,。 2.2器材 计算机及PsyTech心理实验系统，选择速度知觉实验用按键器进行操作。 2.3步骤 1)被试进入实验室选择一台电脑坐下，打开实验操作系统，选择实验； 2)在组长的指导下打开速度知觉实验，认真阅读实验指导语，并点击开始进行实验；

时间序列分析实验报告

时间序列分析实验报告 P185#1、某股票连续若干天的收盘价如表5-4 （行数据）所示。 表5-4 304 303 307 299 296 293301 293 301 295 284286 286 287 284 282278 281 278 277279 278 270 268 272 273 279 279280 275 271 277 278279 283 284 282 283279 280 280 279278 283 278 270 275 273 273 272275 273 273 272 273272 273 271 272 271273 277 274 274272 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： （1）通过SA漱件画出上述序列的时序图如下： 程序： data example5_1; in put x@@; time=_ n_; cards ; 304 303 307 299296 293 301 293 301 295 284286286 287 284 282 278 281 278277 279 278 270 268 272 273279279 280 275 271 277 278 279283 284 282 283 279 280 280279278 283 278 270 275 273 273272 275 273 273 272 273 272273271 272 271 273 277 274 274272 280 282 292 295 295 294290291 288 288 290 293 288 289291 293 293 290 288 287 289292288 288 285 282 286 286 287284 283 286 282 287 286 287292292 294 291 288 289 proc gplot data =example5_1; plot x*time= 1; symbol1 c=black v=star i =join; run ; 上述程序所得时序图如下： 上述时序图显示，该序列具有长期趋势又含有一定的周期性，为典型的非平稳序列。又因为该序列呈现曲线形式，所以选择2阶差分。

(时间管理)应用时间序列分析实验手册

应用时间序列分析 实验手册

目录 目录 (2) 第二章时间序列的预处理 (3) 一、平稳性检验 (3) 二、纯随机性检验 (9) 第三章平稳时间序列建模实验教程 (10) 一、模型识别 (10) 二、模型参数估计（如何判断拟合的模型以及结果写法） (14) 三、模型的显著性检验 (17) 四、模型优化 (18) 第四章非平稳时间序列的确定性分析 (19) 一、趋势分析 (19) 二、季节效应分析 (34) 三、综合分析 (38) 第五章非平稳序列的随机分析 (44) 一、差分法提取确定性信息 (44) 二、ARIMA模型 (57) 三、季节模型 (62)

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳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、无明显趋势及周期特征 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据

文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据

2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图

100 200300400 5006001960 1970198019902000 YEAR O U T P U T 图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上； 在Quick 菜单下选择自相关图，对Qiwen 原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析

速度知觉实验报告-

速度知觉实验报告 研部：贾月娥 实验目的：学习速度知觉的测量方法，测定速度知觉的准确性。 1.引言 1.1 简介： 速度知觉是运动知觉的一种，与时间知觉也有一定关系。能否正确估计物体的运动速度，在人的实践活动中有重要意义。速度知觉的准确性可以作为职业测评的一个指标。 本实验以亮点实际运动到某处所用时间与被试估计时间之差来评定速度知觉准确性。2.实验对象与方法 1.2 方法与程序：本实验有两种运动速度（40点/秒和100点/秒），三种运动类型（水平、垂直和平面运动）。为克服方向带来的误差，每种运动类型又有两种相反方向（左右、上下和里外），这样就组合成12种任务，每种任务测两次，共24次。各类测定随机呈现。 老师指导被试阅读指示语，说明反应方法（认为时间到了即按反应键），然后开始测定。每次测定之后都有反馈，被试可以对照调整自己以后的估计。时间估计精确到毫秒级。 1.3 结果与讨论：结果分数中列出了平均估计误差（相对误差），由所有24次估计的误差的绝对值平均而来，代表被试的平均估计准确性，越小表示估计越准确。并列出了各种运动方向和速度下的平均估计误差。 详细结果分六列：第一列为运动速度；第二列为运动方向；第三列为实际运动时间；第四列为估计运动时间；第五列为估计绝对误差（正表示估计太迟，误差为负表示估计太早），三四五列均以毫秒为单位；第六列为估计相对误差，即：（估计时间－实际时间）/实际时间。 请统计检验运动速度、运动类型以及练习对速度知觉准确性的影响。 2.研究方法 2.1被试 2015级沈阳体育学院研究生部运动训练7班学生、女、23岁,。 2.2器材 计算机及PsyTech心理实验系统，选择速度知觉实验用按键器进行操作。 2.3步骤 1)被试进入实验室选择一台电脑坐下，打开实验操作系统，选择实验； 2)在组长的指导下打开速度知觉实验，认真阅读实验指导语，并点击开始进行实验； 3)屏幕上将出现运动的小点，被试用按键器对运动的小点进行速度估计。 2.4 数据处理 系统软件对数据进行处理分析。对这组数据进行一系列描述性分析、假设检验、方差分析以及相关分析，得出个人结果、小组结果、总体结果及小组结果与总体结果的差异。 2.4 变量情况

时间序列分析实验报告(3)

时间序列分析课程实验报告 《时间序列分析》课程实验报告

一、上机练习（P124） 1.拟合线性趋势 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 程序： data xiti1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc gplot data=xiti1; plot x*t; symbol c=red v=star i=join; run; proc autoreg data=xiti1; model x=t; output predicted=xhat out=out; run; proc gplot data=out; plot x*t=1 xhat*t=2/overlay; symbol2c=green v=star i=join; run; 运行结果：

分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行拟合：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=9.7086,b=1.9829，它们的检验P值均小于 0.0001，即小于显著性水平0.05，拒绝原假设，故其参数均显著。从而所拟合模型为： x t=9.7086+1.9829t.

分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。 2.拟合非线性趋势 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 程序： data xiti2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a=0.1 b=1.1; der.a=b**t; der.b=a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay;

金融时间序列实验报告

· 《金融时间序列分析》 综合实验二 金融系金融工程专业2014 级姓名山洪国 学号20141206031048 实验地点：实训楼B305 实验日期：2017.04，21 实验题目：ARIMA模型应用 实验类型：基本操作训练 实验目的： 利用美元对欧元汇率1993年1月到2007年12月的月均价数据，进行ARIMA模型的识别、估计、检验及预测。 实验容： 1、创建Eviews文件，录入数据，对序列进行初步分析。绘制美元对欧元汇率月均价数据折线图，分析序列的基本趋势，初步判断序列的平稳性。 2、识别ARIMA（p,d,q）模型中的阶数p，d，q。运用单位根检验（ADF检验）确定单整阶数d；利用相关分析图确定自回归阶数p和移动平均阶数q。初步选择几个合适的备选模型。 3、ARIMA（p,d,q）模型的估计和检验。对备选模型进行估计和检验，并进行比较，

从中选择最优模型。 4、利用最优模型对2008年1月美元对欧元汇率的月均价进行外推预测。 评分标准：操作步骤正确，结果正确，分析符合实际，实验体会真切。 实验步骤： 1、根据所给的Excel 表格的数据，将表格的美元对欧元的汇率情况录入到EViews9中，并对所录入数据进行图形化的处理，所得到的图形结果如下图所示。（时间段：1993.01至2007.12） 0.6 0.7 0.8 0.9 1.0 1.1 1.2 EUR/USD 分析图形数据可得，欧元对美元的汇率波动情况较为明显，其中在1999年至2003年期间欧元和美元的比值一度在1.0以上。但近些年以来，欧元的汇率一度持续下滑，到了2007年底的时候和和美元的比值在0.7左右。

spss时间序列模型

《统计软件实验报告》SPSS软件的上机实践应用 时间序列分析

数学与统计学学院 一、实验内容： 时间序列是指一个依时间顺序做成的观察资料的集合。时间序列分析过程中最常用的方法是：指数平滑、自回归、综合移动平均及季节分解。 本次实验研究就业理论中的就业人口总量问题。但人口经济的理论和实践表明，就业总量往往受到许多因素的制约，这些因素之间有着错综复杂的联系，因此，运用结构性的因果模型分析和预测就业总量往往是比较困难的。时间序列分析中的自回归求积分移动平均法（ARIMA）则是一个较好的选择。对于时间序列的短期预测来说，随机时序ARIMA是一种精度较高的模型。 我们已辽宁省历年（1969-2005）从业人员人数为数据基础建立一个就业总量的预测时间序列模型,通过spss建立模型并用此模型来预测就业总量的未来发展趋势。 二、实验目的： 1.准确理解时间序列分析的方法原理 2.学会实用SPSS建立时间序列变量 3.学会使用SPSS绘制时间序列图以反应时间序列的直观特征。

4.掌握时间序列模型的平稳化方法。 5.掌握时间序列模型的定阶方法。 6.学会使用SPSS建立时间序列模型与短期预测。 7.培养运用时间序列分析方法解决身边实际问题的能力。 三、实验分析： 总体分析： 先对数据进行必要的预处理和观察，直到它变成稳态后再用SPSS对数据进行分析。 数据的预处理阶段，将它分为三个步骤：首先，对有缺失值的数据进行修补，其次将数据资料定义为相应的时间序列，最后对时间序列数据的平稳性进行计算观察。 数据分析和建模阶段：根据时间序列的特征和分析的要求，选择恰当的模型进行数据建模和分析。 四、实验步骤： SPSS的数据准备包括数据文件的建立、时间定义和数据期间的指定。 SPSS的时间定义功能用来将数据编辑窗口中的一个或多个变量指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤是： 1.选择菜单：Date→Define Dates，出现窗口：

Eviews应用时间序列分析实验手册

应用时间序列分析实 验手册

目录

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳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、无明显趋势及周期特征 例 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据 文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据 2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图 图3：年份和产出的散点图

（二）自相关图检验 例 导入数据，方式同上； 在Quick菜单下选择自相关图，对Qiwen原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析 图2：输入序列名称 图2：选择相关分析的对象 图3：序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k 期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显着性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.)有的题目平稳性描述可以模仿书本33页最后一段. （三）平稳性检验还可以用： 单位根检验：ADF,PP检验等； 非参数检验：游程检验 图1：序列的单位根检验

速度知觉实验报告

速度知觉实验报告 指导老师： 班级： 姓名： 学号： 时间：

一、引言 速度知觉反应了每个人对速度感觉的差异，速度知觉也是各项劳动实践中和各项体育运动中不可缺少的技术指标。驾驶员超车要估计前面车子的速度，要估计对面来车的速度，要估计前面横越车子、行人的速度足球运动员在赛场上要对足球滚动的速度，其他运动员跑动速度要做出敏捷快速的判断，所以准确掌握速度判断能力是很有用的。本实验是用平均误差法来分析实验数据，从而得出不同状态下，被试者的速度知觉是否有不同。 平均差误法（method of average error）又称调整法，再造法，均等法，是最古老且最基本的传统心理物理法之一。它最适用于测量绝对阈限和等值，也可用于测量差别阈限。 平均差误法的比较（变异）刺激大都是由被试操作或调整而产生的连续量的变化。接近阈限时，被试可反复调整，直到其满意为止。被试调整到在感觉上相等的两个刺激值，其物理强度之差的绝对值的平均数就是所求的阈限值。由于被试参与操作，也容易产生动作误差。例如，从小于标准刺激调整到与标准刺激相等，和从大于标准刺激调整到与标准刺激相等，其结果就可能不同。 其计算公式如下： AE=∑∣X-S∣/N 式中，｜x－s｜：每次测得的绝对误差 X：被试估计时间 S：标准时间 N：实验次数 用这个方法测得的阈限值比用其它两种方法测得的要小一些，因为其差别阈限处于上下限之间的主观相等地带之内，而绝对阈限则50%次感觉到的强度之下。由于平均差误法获得数据的标准和计算的方法与其他方法不同，它所测得的结果可以说只是一个阈限的近似值。因此，用此法测得的阈限不能直接与用其他方法测得的阈限进行比较。 二、实验目的 运用平均误差法分析得出在不同状态下人的速度知觉。 三、实验方法 3.1 被试 1名被试，年龄21岁左右。 3.2 仪器 名称：EP509速度知觉测试仪器

速度知觉实验报告

心理实验报告 实验课程：实验心理学实验名称：速度知觉实验日期：12年10月10日 指导老师：刘洋学生姓名：陈润琪班级：心理11-3 学号：110724311 1、摘要： 本实验以亮点实际运动到某处所用时间与被试估计时间之差来评定速度知觉准确性。此次被试为北京林业大学应用心理学系11级72名学生，有效数据59个，其中男性16名、女性43名。实验发现，男女在水平—慢上的误差上有显著差异，不同的运动类型对速度知觉有显著的影响，平面运动类型与水平及垂直三种运动类型对速度知觉有显著的影响。时间知觉与速度知觉相关性不大。男女在上有明显差异。 2、关键词： 速度知觉速度估计方差分析 3、前言： 速度知觉是运动知觉的一种，与时间知觉也有一定关系。能否正确估计物体的运动速度，在人的实践活动中有重要意义。速度知觉的准确性可以作为职业测评的一个指标。 速度知觉：人对运动速度的感知就是速度知觉。速度知觉是运动知觉的一种，与时间知觉也有一定关系。 运动知觉：运动知觉是人对物体在空间位移和移动速度的知觉。 4、方法： 4.1研究对象 北京林业大学心理系11级学生，学生人数72，有效数据人数59，其中男生数据16个、女生数据43个。 4.2具体方法 4.2.1自变量、因变量、控制变量 自变量：运动速度、运动类型、 因变量：各种误差值 控制变量：性别 4.2.2步骤 1、主试指导被试阅读指示语，说明反应方法（认为时间到了即按反应键） 2、被试开始测定。每次测定之后都有反馈，被试可以对照调整自己以后的估计。时间估计精确到毫秒级。 3、进行24次测试后，实验结束。 4.2.3试验材料 在psysley系统进行。本实验有两种运动速度（40点/秒和100点/秒），三种运动类型（水平、垂直和平面运动）。为克服方向带来的误差，每种运动类型又有两种相反方向（左右、上下和里外），这样就组合成12种任务，每种任务测两次，共24次。各类测定随机呈现。准备时间(毫秒)=1000 间隔时间(毫秒)=1000 5、结果： 5.1个人数据 5.1.1结果分数 测验耗时：245秒

应用时间序列实验报告

河南工程学院课程设计 《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计指导教师： 2017年 6 月 2 日

目录 1. 实验一澳大利亚常住人口变动分析..... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 2. 实验二我国铁路货运量分析........... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 3. 实验三美国月度事故死亡数据分析...... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。课程设计体会 ............................ 错误!未定义书签。

时间序列实验报告

第三章平稳时间序列分析 选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1： 表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列 一、时间序列预处理 （一）时间序列平稳性检验 1.时序图检验 （1）工作文件的创建。打开EViews6.0软件，在主菜单中选择File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表示起始年

份为1950年），在End date中输入“2008”（表示样本数据的结束年份为2008年），然后单击“OK”，完成工作文件的创建。 （2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表示年份），X（表示新增里程数）。 （3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“XYLine”,然后按“确定”，出现时序图，如图1所示： 图1 我国邮路及农村投递线路每年新增里程数序列时序图从图1中可以看出，该序列始终在一个常数值附近随机波动，而且波动的围有界，因而可以初步认定序列是平稳的。为了进一步确认序列的平稳性，还需要分析其自相关图。 2.自相关图检验 选择菜单中的Quick/Series Statistics/Correlogram...,在Series Name 中输入x（表示作x序列的自相关图），点击OK，在Correlogram Specification 中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2：

时间序列分析实验报告

时间序列分析SAS软件实验报告： 以我国2002第一季度到2012年第一季度国内生产总值数据（季节效应模型）分析 班级：统计系统计0姓名： 学号： 指导老师： 20 年月日

时间序列分析报告 一、前言 【摘要】2012年3月5日温家宝代表国务院向大会作政府工作报告。温家宝在报告中提出，2012年国内生产总值增长7.5%。这是我国国内生产总值（GDP）预期增长目标八年来首次低于8%。 温家宝说，今年经济社会发展的主要预期目标是：国内生产总值增长7.5%；城镇新增就业900万人以上，城镇登记失业率控制在4.6%以内；居民消费价格涨幅控制在4%左右；进出口总额增长10%左右，国际收支状况继续改善。同时，要在产业结构调整、自主创新、节能减排等方面取得新进展，城乡居民收入实际增长和经济增长保持同步。 他指出，这里要着重说明，国内生产总值增长目标略微调低，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。提出居民消费价格涨幅控制在4%左右，综合考虑了输入性通胀因素、要素成本上升影响以及居民承受能力，也为价格改革预留一定空间。 对于这一预期目标的调整，温家宝解释说，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。 央行货币政策委员会委员李稻葵表示，未来若干年中国经济增长速度会有所放缓，这个放缓是必要的，是经济发展方式转变的一个必然要求。 【关键词】“十二五”规划目标国内生产总值增长率增速放缓提高发展质量附表：国内生产总值(2012年1季度) 绝对额（亿元）比去年同期增长（%） 国内生产总值107995.0 8.1 第一产业6922.0 3.8 第二产业51450.5 9.1 第三产业49622.5 7.5 注1：绝对额按现价计算，增长速度按不变价计算。注2：该表为初步核算数据。 GDP环比增长速度 环比增长速度（%） 2011年1季度 2.2 2季度 2.3 3季度 2.4 4季度 1.9 2012年1季度 1.8 注：环比增长速度为经季节调整与上一季度对比的增长速度。 此表是我国2012年第一季度国内生产总值及与2011年同期比较来源：前瞻网

速度知觉实验报告

速度知觉实验报告 元方16级师班 （西南大学心理学部400715） 摘要：本次实验的目的是通过测定人的速度知觉阈限，讨论速度对速度知觉的影响、距离对速度知觉的影响。实验结果中，实验结果中，被试的速度知觉差别阈限AE为0.328，且被试估计的结果更偏向于比标准刺激快。影响实验结果的主要因素为距离、速度两因素，它们之间存在交互作用。在速度不同时，AE受距离变化的影响产生的变化趋势不同；或者说，在距离相同时，AE受速度变化的影响产生的变化程度不同。 关键词：速度知觉碰撞时间认知加工 1 引言 运动知觉是对客体或客体的部分在空间上的位置变化以及变化速度的知觉。速度知觉是运动知觉的一种，指估计物体的运动速度的能力，与时间知觉也有一定关系，在人的实践活动中有重要意义。 日常生活中的许多活动要求观察者判断一个圆点物体到达另一个特定点的

时间，这段时间被称为碰撞时间（time to collision or time to contact，简称Tc或TTC）（郭秀艳等，2000；志杰等，1998）。典型的例子是司机的协调开车和刹车两种动作，以及如何接住飞行中的球问题（格里格，津巴多，2003）。 关于Tc的两种理论解释为：（1）计算或认知的方法（computational or cognitive approach）：认为Tc估计主要依靠速度（v）和相对位置（s），通过公式Tc=s/v 判断。（2）生态学理论（ecological optics）：认为环境中的运动物体可以传递两种信息：一是物体的大小、速度及与观察者的距离等物理信息，由物理变量决定的；二是物体对观察点所形成的视角及其网膜物像等信息，由视觉变量决定的。Tc 估计可直接由移动物体的光线变化围（optic flow fields）获得，不必计算。 黄端、侃在碰撞时间估计的影响因素研究[1]中提到：“Lee在1976年提出,对运动物体的TTC知觉是由视觉变量决定的,即:物体光学影像相对扩率(relative rate of optical expansion)的倒数τ决定了人们对其TTC的判断。1983年Mclead和Ross 与驾驶相关的TTC实验研究结果也支持了直接知觉法,表明TTC直接由光阵(optic array)决定。尽管很多此类实验支持了τ在完成TTC任务中的作用,越来越多的研究结果表明TTC判断还受限制于场景、阈限因素和认知操作,而且是以多种信息源为基础的。” 我们了解到，物体运动时我们的视觉系统的一个重要的作用是定位复杂场景中物体的轮廓和边缘。然而，人类在定位运动物体或者附近有运动信号干扰的静止物体位置时，会产生偏差。也就是说物体进行横向运动时,存在视觉边界的收缩信息。因此,影响人Tc估计的因素除了视觉信息之外,还有物理信息。而郭秀艳等(2000)使用知觉测试仪在遮挡式下考察了运动速度和距离对碰撞时间估计的 影响,也发现速度的提高会导致TTC估计的准确性提高[2]。瑞光和黄希庭(1999)在