应用时间序列分析案例操作–基于SAS软件，以北京市1980-2009年降水量为对象

前言：
时间序列分析是很重要的理论方法。笔者通过自学，在借鉴了CSDN 区多位大佬的教程和说明，以及参考由中国人民大学出版 出版的《应用时间序列分析》之后，借助SAS统计软件，选取北京市1980-2009年年降水量为对象，进行建模分析。第一次实战操作，笔法生疏，有各种问题希望各位不吝赐教。并再次感谢CSDN 区，给了我们众多学子学习、分享和展示的机会。

2. 使用proc arima进行ARIMA 程序分析，进一步进行自相关、偏相关、白噪声检验。

这里identify语句会默认输出三方面信息

1. 均值等描述性统计量
2. 白噪声检验结果

三、模型识别

1. 根据上面的自相关（ACF）和偏自相关（PACF）图可发现，自相关系数和偏自相关系数都呈现拖尾性，因此应当建立ARMA（p,q）模型。其实SAS系统已经提供了相对最优模型识别功能，只需在identify 命令中加一个可选命令minic, 就可在一定范围内获得最优定阶（根据最小BIC信息量原则）。

3. 残差的自相关检验结果
   这里可以发现，各阶的LB统计量P值均远大于5%, 可以认为残差序列为白噪声序列。
   

4. 残差的正态性检验

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34531 人正在系统学习中