实验内容：
给定一个实际问题的时间序列，它具有非常显著的确定性趋势或季节效应。要求学生利用SAS统计软件，提取确定性信息，然后检验残差序列的自相关性，建立合适的Auto-Regressive模型；若存在异方差性，则建立合适的ARCH模型或GARCH模型。 实验要求：
处理数据，掌握残差序列的建模方法，并根据具体的实验题目要求完成实验报告，并及时上传到给定的FTP和课程网站。 实验步骤：
第一步：编程建立SAS数据集；
第二步：调用Gplot程序对数据绘制时序图。
第三步：从时序图中是否显示有明显的随时间线性增长的趋势，同时又有一定规律的波
动？调用AUTOREG程序对数据进行分析，建立因变量关于时间的回归模型或延迟因变量回归模型。
第四步：检验残差序列的自相关性和异方差性，如果检验结果显示残差序列具有显著自
相关性，建立残差自回归模型；如果检验结果显示残差序列具有显著的异方差性，则建立条件异方差模型。
实验六：单位根检验和协整检验（验证性实验） （3课时） 实验题目：
某地区过去38年谷物产量序列如下表所示： 24.5 33.7
27.9
27.5 21.7
31.9 36.8 29.9 30.2 36.9 31.5 30.5 32.3 35.0 29.9 35.2 38.3
32.0 34.0 34.9 30.1 35.2 35.5
19.4 36.0 30.2 32.4 36.4 36.9 26.8 30.5 33.3 29.7 36.7 26.8 38.0
31.7 32.6
这些年该地区相应的降雨量序列如下表所示：
9.6 12.9 9.9 8.7 6.8 12.5 13.0 10.1 10.1 10.1 10.8 7.8 16.2 14.1 10.6 10.0 11.5 13.6 12.1 12.0 9.3 7.7 11.0 6.9 9.5 16.5 9.3 9.4 8.7 9.5 11.6 12.1 8.0 10.7 13.9 11.3 11.6 10.4
（1）使用单位根检验，分别考察这两个模型的平稳性。 （2）选择适当模型，分别拟和这两个序列的发展。 （3）确定这两个序列之间是否具有协整关系。
（4）如果这两个序列之间就有协整关系，请建立适当的模型拟合谷物产量序列的发展。
6
实验内容：
1、给定实际问题的时间序列，利用DF检验及ADF检验，检验时间序列的平稳性以及判断模型的生成形式。
2、给定两个非平稳时间序列，利用EG检验，检验它们之间是否存在协整关系。 实验要求：
处理数据，掌握单位根检验和协整检验方法，并根据具体的实验题目要求完成实验报告，并及时上传到给定的FTP和课程网站。 实验步骤：
第一步：编程建立SAS数据集；
第二步：调用Gplot程序对两组数据绘制时序图。
第三步：调用ARIMA程序中的stationarity对数据进行分析，利用ADF检验这两个
时间序列是否存在单位根？分别对这两个时间序列进行建模。
第四步：调用ARIMA程序中的identify 语句和crosscorr语句对这对数据进行分
析考察它们的相关性。
第五步：根据两个时间序列的相关性，调用ARIMA程序中的estimate 语句，建立这
两个时间序列之间的回归模型。
第六步：根据输出的残差序列，判断是否平稳？同时对残差序列进行单位根检验，以验
证判断是否正确，若残差序列平稳，则两个时间序列之间存在协整关系，可以建立动态回归模型。
第七步：检验残差序列是否为白噪声序列，得到最终的拟合模型。
执笔人：周君兴
7