Professional Documents
Culture Documents
驗
指
南
廣東商學院統計系
數量經濟教研室編制
二 00 一年六月二十八日
1
目 錄
實 驗 一 分 析 太 陽 黑 子 數 序
列 ·································
·········3
實 驗 二 類 比 AR 模
型 ·································
················4
實 驗 三 類 比 MA 模 型 和 ARMA 模
型 ·································
···6
實 驗 四 分 析 化 工 生 產 量 資
料 ·································
·········8
實 驗 五 類 比 ARIMA 模 型 和 季 節 ARIMA 模
型···························10
2
實 驗 六 分 析 美 國 國 民 生 產 總 值 的 季 度 資
料·····························13
實 驗 七 分 析 國 際 航 線 月 度 旅 客 總 數 資
料·······························16
實 驗 八 干 預 模 型 的 建
模 ·································
············19
實 驗 九 傳 遞 函 數 模 型 的 建
模 ·································
········22
實 驗 十 回 歸 與 時 序 相 結 合 的 建
模 ·································
····25
太 陽 黑 子 年 度 資
料 ·································
·················28
美 國 國 民 收 入 資
料 ·································
·················29
化 工 生 產 過 程 的 產 量 資
料 ·································
3
···········30
國 際 航 線 月 度 旅 客 資
料 ·································
·············30
洛 杉 磯 臭 氧 每 小 時 讀 數 的 月 平 均 值 資
料································31
煤 氣 爐 數
據 ·································
·······················35
芝 加 哥 某 食 品 公 司 大 眾 食 品 周 銷 售 資
料································37
牙 膏 市 場 佔 有 率 周 資
料 ·································
·············39
某 公 司 汽 車 生 產 資
料 ·································
···············44
加 拿 大 山 貓 數
據 ·································
···················44
4
實驗一 分 析太 陽黑子 數序列
六、實 驗步驟
data exp1;
input a1 @@;
year=intnx(‘year’,’1jan1742’d,_n_-1);
cards;
輸入太陽黑子數序列(見附表)
run;
3、 保存此步驟中的程式,供以後分析使用(只需按工具條上的保存按鈕然後填寫完提
問後就可以把這段程式保存下來即可)。
4、 繪資料與時間的關係圖,初步識別序列,輸入下列程式:
5
symbol i=spline v=star h=2 c=green;
plot a1*year;
run;
6、 識別模型,輸入如下程式。
run;
7、 提交程式,觀察輸出結果。初步識別序列為 AR(3)模型。
8、 估計和診斷。輸入如下程式:
estimate p=3;
run;
9、 提交程式,觀察輸出結果。假設通過了白色雜訊檢驗,且模型合理,則進行預測。
10、進行預測,輸入如下程式:
run;
run;
11、提交程式,觀察輸出結果。
實驗 二 類比 AR 模型
6
1、 實驗目 的: 熟悉各種 AR 模型的樣本自相關係數和偏相關係數的特點,為理
論學習提供直觀的印象。
圖形,總結 AR 模型的樣本自相關係數和偏相關係數的特點
4、 實驗時 間: 2 小時。
6 、 實驗步 驟
3、 在 edit 窗中輸入如下程式:
data a;
x1=0.5;
x2=0.5;
n=-50;
do i=-50 to 250;
a=rannor(32565);
x=a-0.6*x1+0.4*x2;
x2=x1;
x1=x;
n=n+1;
7
if i>0 then output;
end;
run;
4 、觀察輸出的資料,輸入如下程式,並提交程式。
var x;
plot x*n;
run;
5 、 觀察樣本自相關係數和偏相關係數,輸入輸入如下程
序,並提交程式。
run;
plot corr*lag;
run;
plot partcorr*lag;
8
run;
6 、 作為作業把樣本自相關係數和偏相關係數記錄下來。
7 、 估計模型參數,並與實際模型的係數進行對比,即輸入如下程式,並提交。
run;
estimate p=2;
run;
需要修改,請讀者自己完成)。
(但部分程式需要修改,請讀者自己完成).
實驗 三 類比 MA 模型 和 AR MA 模型
的特點,為理論學習提供直觀的印象。
9
數和偏相關係數的特點
4、 實驗時 間: 2 小時。
6 、 實驗步 驟
3 在 edit 窗中輸入如下程式:
data a;
a1=0;
a2=0;
do n=-50 to 250;
a=rannor(32565);
x=a+0.65*a1+0.24*a2;
a2=a1;
a1=a;
end;
run;
4 、觀察輸出的資料序列,輸入如下程式,並提交程式。
symbol i=spline;
plot x*n;
10
run;
5、觀察樣本自相關係數和偏相關係數,輸入輸入如下程
序,並提交程式。
run;
plot corr*lag=1;
run;
plot partcorr*lag=2;
run;
6、 作為作業把樣本自相關係數和偏相關係數記錄下來。
7、 估計模型參數,並與實際模型的係數進行對比,即輸入如下程式,並提交。
run;
estimate q=2;
run;
11
(但部分程式需要修改,請讀者自己完成)。
可(但部分程式需要修改,請讀者自己完成)。
10、模擬 θ 1 < 0,θ 2 > 0 情況,類比 xt = (1 + 0.65 B − 0.24 B )at 過程。重複步驟 3-7 即
2
可(但部分程式需要修改,請讀者自己完成)。
步驟 3-7 即可(但部分程式需要修改,請讀者自己完成).
實驗 四 分析 化工生 產量資 料
模型的階的方法。
2、 實驗內 容: 分析化工生產過程的產量序列。
實驗報告。
4、 實驗時 間: 2 小時。
6 、 實驗步 驟
12
data exp2;
input x @@;
n=_n_;
cards;
輸入化工生產產量資料序列(見附表)
run;
3、 保存此步驟中的程式,供以後分析使用(只需按工具條上的保存按鈕然後填寫完提
問後就可以把這段程式保存下來即可)。
4、 繪資料與時間的關係圖,初步識別序列,輸入下列程式:
plot x*n;
run;
6、 識別模型,輸入如下程式。
run;
7、 提交程式,觀察輸出結果,發現二階樣本自相關係數和一階的樣本偏相關係數都在
2 倍的標準差之外,那麼我們首先作為一階 AR 模型估計,輸入如下程式:
run;
13
8、 提交程式,觀察輸出結果,發現殘差能通過白色雜訊檢驗,但它的二階的樣本偏相
關係數比較大,那麼我們考慮二階 AR 模型。輸入如下程式:
run;
9、 提交程式,觀察輸出結果,發現殘差樣本自相關係數和樣本偏相關係數都
我們的結果。
10、記錄參數估計值,寫出模型方程式。
11、進行預測,輸入如下程式:
run;
run;
12、提交程式,觀察輸出結果。
14
3、 實驗要 求: 記錄各 ARIMA 模型的樣本自相關係數和偏相關係數觀察各序列
的特點
4、 實驗時 間: 2 小時。
6 、 實驗步 驟
data a;
x1=0.9;
a1=0;
do n=-50 to 250;
a=rannor(32565);
x=x1+a-0.8*a1;
x1=x;
a1=a;
end;
run;
4 、觀察輸出的資料序列,輸入如下程式:。
15
symbol i=spline;
plot x*n;
run;
6、觀察樣本自相關係數和偏相關係數,輸入輸入如下程式:
run;
plot corr*lag=1;
run;
plot partcorr*lag=2;
run;
7、 提交程式,發現自相關係數成緩慢下降的趨勢,說明要做差分運算,做一階差分運
算,輸入如下程式:
run;
8、 提交程式,觀察樣本自相關係數與樣本偏相關係數,發現自相關係數 1 階截尾,故
判斷差分後序列為 MA(1)模型。進行模型參數估計,輸入如下程式:
16
estimate q=1 plot;
run;
9、 提交程式,並觀察殘差圖,發現模型擬合完全。
10、寫出模型的方程,並與真實模型對比。
3-10 即可(但部分程式需要修改,請讀者自己完成)。
12 模擬 ARIMA( p, d , q )( P, D, Q ) s 模型,
即 ARIMA(0,1,1)(0,1,1)12 模型。
data c;
x1=0.9;x2=0;x3=0;x4=0;x5=0;x6=0;x7=0;
x8=0;x9=0;x10=0;x11=0;x12=0;x13=0;
a1=0;a2=0;a3=0;a4=0;a5=0;a6=0;a7=0;
a8=0;a9=0;a10=0;a11=0;a12=0;a13=0;
do n=-50 to 250;
a=rannor(12345);
x=x1+x12-x13+a-0.4*a1-0.6*a12+0.24*a13;
x13=x12;x12=x11;x11=x10;x10=x9;x9=x8;x8=x7;
x7=x6;x6=x5;x5=x4;x4=x3;x3=x2;x2=x1;x1=x;
17
a13=a12;a12=a11;a11=a10;a10=a9;a9=a8;a8=a7;
a7=a6;a6=a5;a5=a4;a4=a3;a3=a2;a2=a1;a1=a;
end;
run;
14、繪序列圖,輸入如下程式:
plot x*n;
run;
16、初步識別模型,輸入如下程式:
run;
17、提交程式,觀察樣本自相關係數和樣本偏相關係數。
18、做季節差分和一階差分除掉季節因數和趨勢因數,輸入如下程式:
run;
19、提交程式,觀察樣本自相關係數和樣本偏相關係數,確定模型階數。
20、估計模型參數,輸入如下程式:
18
run;
21、提交程式,觀察殘差的樣本自相關係數和樣本偏相關係數,看是否通過
了白色雜訊檢驗。寫出模型方程式,並與真實模型對比。
六、實 驗步驟
data exp3;
input gnp@@;
date=intnx(‘qtr’,’1jan47’d,_n_-1);
cards;
輸入美國國民生產總值的資料
19
;
run;
隔之後的間隔的開始日期或日期時間值,其中開始間隔內的一個日期或
日期時間值給出。
Intnx 函數的格式如下:
Intnx(interval,from,n)
3 保存上述程式,供以後分析使用(只需按工具條上的保存按鈕,然後填寫
完提問後就可以把這段程式保存下來)。
4、 繪序列圖,輸入如下程式:
symbol1 i=spline;
plot gnp*date=1;
run;
5、 觀察圖形,發現圖形成指數函數上升形式,故做對數變換,輸入如下程式:
data lexp;
set exp3;
lgnp=log(gnp);
run;
6、 繪變換後序列圖,輸入如下程式:
20
plot lgnp*date=2;
run;
列做初步識別,輸入如下程式:
run;
8、 提交程式,觀察樣本自相關係數,可看出有緩慢下降趨勢,結合我們觀察的圖形,
我們知道要對序列做差分運算,作一階差分,輸入如下程式:
run;
9、 提交程式,觀察樣本自相關係數,可看出樣本自相關係數 5 步後是截尾的,那麼確定
為 MA(5)模型,進行參數估計,輸入如下程式:
run;
10、提交程式,觀察輸出結果,可看出模型通過了白色雜訊檢驗,說明模型擬合充分。
入如下程式:
run;
11、提交程式,觀察輸出結果,可看出模型通過了白色雜訊檢驗,說明模型擬合充分,
且殘差標準誤與前一估計相差很小,故以此結果為我們所要的結果,依此結果寫出
方程式。
12、進行預測,預測美國未來 2 年的每季國民生產總值。輸入如下程式:
21
run;
data results;
set results;
gnp=exp(lgnp);
l95=exp(l95);
u95=exp(u95);
forecast=exp(forecast+std*std/2);
run;
where date>=’1jan96’d;
run;
13、提交程式,並把預測值記錄下來。
瞭解 ARIMA( p, d , q )( P, D, Q ) s 模型的特徵。
22
四、實 驗時間: 2 小時。
六、實 驗步驟
data exp4;
input air@@;
date=intnx(‘month’,’1jan49’d,_n_-1);
cards;
輸入國際航線月度旅客總數資料
run;
3、 保存上述程式,供以後分析使用(只需按工具條上的保存按鈕,然後填寫
完提問後就可以把這段程式保存下來)。
4、 繪序列圖,輸入如下程式:
plot air*date=1;
run;
5、 提交程式,觀察圖形,發現圖形有很強的季節性,且成指數函數上升形式,故做對
數變換,輸入如下程式:
data lair;
23
set exp4;
lair=log(air);
run;
6、 繪變換後序列圖,輸入如下程式:
plot lair*date=2;
run;
且有很強的季節性。對序列做初步識別,輸入如下程式:
run;
8、 提交程式,觀察樣本自相關係數和偏相關係數,可看出樣本自相關係數有緩慢下降
run;
9、 提交程式,觀察樣本自相關係數和偏相關係數,發現樣本自相關係數在 12 步,24
輸入如下程式:
run;
10、提交程式,觀察樣本自相關係數和偏相關係數,發現樣本自相關係數在
1 步,12 步特別大,而偏相關係數看不出有特別的規律,我們可確定模型
24
的 MA 因數為 (1 − θ 1 B )(1 − θ 2 B )at 。
12
11、進行參數估計,輸入如下程式:
run;
12 、提交程式,觀察輸出結果,可看出模型通過了白色雜訊檢驗,說明模型擬
合充分,故以此結果為我們所要的結果,依此結果寫出方程式。
13、進行預測,輸入如下程式:
run;
run;
14、提交程式,仔細觀察預測的結果有什麼規律,思考為什麼有這樣的規律?
15、變換預測值,以獲取原度量下的預測值,輸入如下程式:
data c;
set b;
air=exp(lair);
forecast=exp(forecast+std*std/2);
l95=exp(l95);
u95=exp(u95);
run;
run;
25
16、 繪預測和置信限的散點圖,輸入如下程式:
where data>=’1jan59’d;
run;
17、 提交程式,觀察圖形。
實驗 八 干預 模型的 建模
六、實 驗步驟
26
1、開機進入 SAS 系統。
data exp5;
date=intnx(‘month’,’1jan55’d,_n_-1);
cards;
輸入洛杉磯月平均臭氧資料
run;
或者輸入如下程式:
data exp5;
date=intnx(‘month’,’1jan55’d,_n_-1);
month=month(date);
year=year(date);
x1=year>=1960;
summer=(5<month<11)*(year>1965);
winter=(year>1965)-summer;
cards;
27
;
run;
3、 保存上述程式,供以後分析使用(只需按工具條上的保存按鈕,然後填寫
完提問後就可以把這段程式保存下來)。
4、繪序列圖,輸入如下程式:
plot ozone*date=1;
run;
5、提交程式,觀察圖形,發現圖形有很強的季節性和緩慢下降的趨勢。
6、 初步識別模型,輸入如下程式:
run;
7、 提交程式,觀察樣本自相關係數和偏相關係數,可看出樣本自相關係數在 1 步,12
輸入如下程式:
run;
8、 提交程式,觀察樣本自相關係數和偏相關係數,發現樣本自相關係數在
28
9、進行參數估計,輸入如下程式:
run;
10、提交程式,觀察輸出結果,可看出模型不是很乾淨,且不能通過白色雜訊
檢驗。我們可以做殘差序列圖,觀看殘差的特性,輸入如下程式:
run;
11、進行預測,輸入如下程式:
run;
plot residual*date;
run;
12、提交程式,觀察圖形,可看出前面一段時期的殘差比後面的要大。
13、我們考察修建高速公路後,是否對臭氧有顯著性影響,輸入如下程式:
run;
14、提交程式,觀察輸出結果,發現模型的標準差,AIC,SBC 都變小了很多,
且 x1 的影響顯著。思考為什麼要對 x1 進行季節差分?
29
15、我們再來考察汽車裝上尾氣篩檢程式,是否對臭氧有顯著性影響,輸入如
下程式:
noprint;
run;
17、進行預測值,輸入如下程式:
run;
18、提交程式,觀察預測值。
實驗 九 傳遞 函數模 型的建 模
一、 實驗目 的: 熟悉傳遞函數模型的建模方法。
30
三、實 驗要求: 寫出實驗報告,總結傳遞函數模型的建模的一般步驟。
六、實 驗步驟
data exp6;
input x y@@;
t=_n_;
cards;
輸入煤氣爐資料
run;
3、 保存上述程式,供以後分析使用(只需按工具條上的保存按鈕,然後填寫
完提問後就可以把這段程式保存下來)。
4、繪序列圖,輸入如下程式:
run;
5、提交程式,仔細觀察兩序列圖形,看兩者有何聯繫。
31
6、先觀察 xt 和 y t 的相關情況,看是否要做差分,輸入如下程式:
run;
7、提交程式,觀察 xt 的 y t 自相關和互相關係數,發現都很快的衰減,表明不
要做差分運算。
8、 識別輸入序列 xt , 輸入如下程式:
run;
9、 提交程式,觀察 xt 的自相關和偏相關係數,可以看到偏相關係數是 3 步
截尾的。
10、對 xt 擬合 AR(3)模型,看是否充分,輸入如下程式:
run;
11、提交程式,觀察輸出結果,可看到模型通過了白色雜訊檢驗,說明擬合效
果不錯,把擬合的方程式寫出來。
12、觀察預白色雜訊化後的兩序列的互相關係數,輸入如下程式:
run;
32
13、提交程式,觀察樣本自相關係數和偏相關係數和互相關係數,我們可以
初步識別傳遞函數模型為(2,2,3)(思考:為什麼?),即:
(1 − δ 1 B − δ 2 B 2 ) y t = (ω 0 − ω 1 B − ω 2 B 2 ) xt −3
14、進行參數估計,並查看殘差的相關情況,輸入如下程式:
run;
15、提交程式,觀察輸出結果,可以看到殘差的偏相關係數是 2 步
截尾的。那麼模型可識別為:
(ω 0 − ω 1 B − ω 2 B 2 ) θ0
yt = xt −3 + at
(1 − δ 1 B − δ 2 B )
2
(1 − ψ 1 B − ψ 2 B 2 )
16、進行參數估計,輸入如下程式:
run;
們除掉這一項,再進行估計,輸入如下程式:
run;
18、 提交程式,觀察輸出結果,可看到模型通過了白色雜訊檢驗提交程式,說明模型
擬合充分,請寫出方程式。
19、進行預測,輸入如下程式:
forecast lead=6 ;
run;
33
20、提交程式,觀察預測結果。
一、 實驗目 的: 熟悉回歸與時序相結合的建模方法。
六、實 驗步驟
data exp7;
input y1 y2 y3 y4 @@;
date=intnx(‘week’,’14sep91’d,_n_-1);
cards;
輸入芝加哥某食品公司大眾食品周銷售資料
run;
3、 保存上述程式,供以後分析使用(只需按工具條上的保存按鈕,然後填寫
34
完提問後就可以把這段程式保存下來)。
4、首先只分析銷售額的資料,不加回歸項。繪序列圖,輸入如下程式:
plot y1*date=1;
run;
5、提交程式,仔細觀察序列圖形。
6、初步識別模型,輸入如下程式:
run;
我們初步識別為 AR(4)模型,進行參數估計,並觀察殘差相關係數。輸入
如下程式:
run;
8、提交程式,觀察輸出結果,可看到模型擬合得還是比較好。
模型為:
(1 − ψ 1 B − ψ 2 B 2 − ψ 3 B 3 − ψ 4 B 4 ) y t = (θ 0 − θ 2 B 2 )at
11、下面我們開始加入回歸項,首先我們繪四個序列的圖形。輸入如下程式:
35
symbol3 i=spline c=green;
run;
12、提交程式,觀察這四個序列有什麼特點。
run;
14、提交程式,觀察他們的相關性,可看出 y1 和 y2 負相關,y1 和 y3 正相
關,而 y1 和 y4 好象不相關。
15、做純回歸分析,輸入如下程式:
run;
16、提交程式,觀察輸出結果,可看到 y4 的係數接近於零,我們除掉這一
項再做回歸,並觀察殘差的相關係數,輸入如下程式:
run;
17、提交程式,觀察輸出結果,可看到殘差不是白躁聲。我們把殘差用 ARMA
模型擬合,輸入如下程式:
36
identify var=y1 crosscorr=(y2 y3 y4);
run;
18、提交程式,觀察輸出結果,可以看出模型擬合比較充分,且 y4、MA1,1、
AR1,3 的係數接近如零,除掉這幾項,再觀察,輸入如下程式:
run;
19、提交程式,觀察輸出結果,可以看出模型擬合比較充分,且殘差的標準
就選擇這一模型,把這一結果記錄下來。
20、下面我們來看看殘差對預測值,y2,y3 的關係圖。輸入如下程式:
run;
data b;
merger exp7 a;
run;
run;
y2,y3 的滯後一階,看結果有什麼變化,輸入如下程式:
data d;
37
set exp7;
y21=lag(y2);
y31=lag(y3);
run;
run;
run;
23、提交程式,觀察輸出結果,並與原來結果比較,看是否有進步。
24、進行預測,輸入如下程式:
forecast lead=6 ;
run;
25、提交程式,觀察預測結果。
附數據 :
38
979.000 797.900 417.300 367.400 84.100 237.800 1110.000
39
531.700 766.700 828.500 933.500 779.600 428.000 254.700
(順序是橫向排列)
40
1463.9 1496.8 1526.4 1563.2 1571.3 1608.3 1670.6 1725.3 1783.5
7593.6
化工生產過 程的產量 資料
(順序是橫向排列)
47 64 23 71 38 64 55 41 59 48
71 35 57 40 58 44 80 55 37 74
51 57 50 60 45 57 50 45 25 59
50 71 56 74 50 58 45 54 36 54
48 55 45 57 50 62 44 64 43 52
38 59 55 41 53 49 34 35 54 45
68 38 50 60 39 59 40 57 54 23
41
國際航 線月度旅 客資料
112 118 132 129 121 135 148 148 136 119 104 118
115 126 141 135 125 149 170 170 158 133 114 140
145 150 178 163 172 178 199 199 184 162 146 166
171 180 193 181 183 218 230 242 209 191 172 194
196 196 236 235 229 243 264 272 237 211 180 201
204 188 235 227 234 264 302 293 259 229 203 229
242 233 267 269 270 315 364 347 312 274 237 278
284 277 317 313 318 374 413 405 355 306 271 306
315 301 356 348 355 422 465 467 404 347 305 336
340 318 362 348 363 435 491 505 404 359 310 337
360 342 406 396 420 472 548 559 463 407 362 405
417 391 419 461 472 535 622 606 508 461 390 432
(1955 -197 2)
42
9 6.4 0.0 0.0 0.0 10 7.4 0.0 0.0 0.0
43
53 4.0 0.0 0.0 0.0 54 7.5 0.0 0.0 0.0
44
97 1.7 1.0 0.0 0.0 98 3.2 1.0 0.0 0.0
101 3.4 1.0 0.0 0.0 102 3.8 1.0 0.0 0.0
103 5.0 1.0 0.0 0.0 104 4.8 1.0 0.0 0.0
105 4.9 1.0 0.0 0.0 106 3.5 1.0 0.0 0.0
107 2.5 1.0 0.0 0.0 108 2.4 1.0 0.0 0.0
109 1.6 1.0 0.0 0.0 110 2.3 1.0 0.0 0.0
111 2.5 1.0 0.0 0.0 112 3.1 1.0 0.0 0.0
113 3.5 1.0 0.0 0.0 114 4.5 1.0 0.0 0.0
115 5.7 1.0 0.0 0.0 116 5.0 1.0 0.0 0.0
117 4.6 1.0 0.0 0.0 118 4.8 1.0 0.0 0.0
119 2.1 1.0 0.0 0.0 120 1.4 1.0 0.0 0.0
121 2.1 1.0 0.0 0.0 122 2.9 1.0 0.0 0.0
123 2.7 1.0 0.0 0.0 124 4.2 1.0 0.0 0.0
125 3.9 1.0 0.0 0.0 126 4.1 1.0 0.0 0.0
127 4.6 1.0 0.0 0.0 128 5.8 1.0 0.0 0.0
129 4.4 1.0 0.0 0.0 130 6.1 1.0 0.0 0.0
131 3.5 1.0 0.0 0.0 132 1.9 1.0 0.0 0.0
133 1.8 1.0 0.0 0.0 134 1.9 1.0 0.0 0.0
135 3.7 1.0 0.0 0.0 136 4.4 1.0 0.0 0.0
137 3.8 1.0 0.0 0.0 138 5.6 1.0 1.0 0.0
139 5.7 1.0 1.0 0.0 140 5.1 1.0 1.0 0.0
45
141 5.6 1.0 1.0 0.0 142 4.8 1.0 1.0 0.0
143 2.5 1.0 0.0 1.0 144 1.5 1.0 0.0 1.0
145 1.8 1.0 0.0 1.0 146 2.5 1.0 0.0 1.0
147 2.6 1.0 0.0 1.0 148 1.8 1.0 0.0 1.0
149 3.7 1.0 0.0 1.0 150 3.7 1.0 1.0 0.0
151 4.9 1.0 1.0 0.0 152 5.1 1.0 1.0 0.0
153 3.7 1.0 1.0 0.0 154 5.4 1.0 1.0 0.0
155 3.0 1.0 0.0 1.0 156 1.8 1.0 0.0 1.0
157 2.1 1.0 0.0 1.0 158 2.6 1.0 0.0 1.0
159 2.8 1.0 0.0 1.0 160 3.2 1.0 0.0 1.0
161 3.5 1.0 0.0 1.0 162 3.5 1.0 1.0 0.0
163 4.9 1.0 1.0 0.0 164 4.2 1.0 1.0 0.0
165 4.7 1.0 1.0 0.0 166 3.7 1.0 1.0 0.0
167 3.2 1.0 0.0 1.0 168 1.8 1.0 0.0 1.0
169 2.0 1.0 0.0 1.0 170 1.7 1.0 0.0 1.0
171 2.8 1.0 0.0 1.0 172 3.2 1.0 0.0 1.0
173 4.4 1.0 0.0 1.0 174 3.4 1.0 1.0 0.0
175 3.9 1.0 1.0 0.0 176 5.5 1.0 1.0 0.0
177 3.8 1.0 1.0 0.0 178 3.2 1.0 1.0 0.0
179 2.3 1.0 0.0 1.0 180 2.2 1.0 0.0 1.0
181 1.3 1.0 0.0 1.0 182 2.3 1.0 0.0 1.0
183 2.7 1.0 0.0 1.0 184 3.3 1.0 0.0 1.0
46
185 3.7 1.0 0.0 1.0 186 3.0 1.0 1.0 0.0
187 3.8 1.0 1.0 0.0 188 4.7 1.0 1.0 0.0
189 4.6 1.0 1.0 0.0 190 2.9 1.0 1.0 0.0
191 1.7 1.0 0.0 1.0 192 1.3 1.0 0.0 1.0
193 1.8 1.0 0.0 1.0 194 2.0 1.0 0.0 1.0
195 2.2 1.0 0.0 1.0 196 3.0 1.0 0.0 1.0
197 2.4 1.0 0.0 1.0 198 3.5 1.0 1.0 0.0
199 3.5 1.0 1.0 0.0 200 3.3 1.0 1.0 0.0
201 2.7 1.0 1.0 0.0 202 2.5 1.0 1.0 0.0
203 1.6 1.0 0.0 1.0 204 1.2 1.0 0.0 1.0
205 1.5 1.0 0.0 1.0 206 2.0 1.0 0.0 1.0
207 3.1 1.0 0.0 1.0 208 3.0 1.0 0.0 1.0
209 3.5 1.0 0.0 1.0 210 3.4 1.0 1.0 0.0
211 4.0 1.0 1.0 0.0 212 3.8 1.0 1.0 0.0
213 3.1 1.0 1.0 0.0 214 2.1 1.0 1.0 0.0
215 1.6 1.0 0.0 1.0 216 1.3 1.0 0.0 1.0
217 *** 1.0 0.0 1.0 218 *** 1.0 0.0 1.0
219 *** 1.0 0.0 1.0 220 *** 1.0 0.0 1.0
221 *** 1.0 0.0 1.0 222 *** 1.0 1.0 0.0
223 *** 1.0 1.0 0.0 224 *** 1.0 1.0 0.0
225 *** 1.0 1.0 0.0 226 *** 1.0 1.0 0.0
227 *** 1.0 0.0 1.0 228 *** 1.0 0.0 1.0
47
煤氣爐資料 (每 9 秒取樣,共 296 對觀察 值)
(順序是橫向排列)
-0.109 53.8 0.000 53.6 0.178 53.5 0.339 53.5 0.373 53.4 0.441 53.1
0.461 52.7 0.348 52.4 0.127 52.2 -0.180 52.0 -0.588 52.0 -1.055 52.4
-1.421 53.0 -1.520 54.0 -1.302 54.9 -0.814 56.0 -0.475 56.8 -0.193 56.8
0.008 56.4 0.435 55.7 0.771 55.0 0.866 54.3 0.875 53.2 0.891 52.3
0.987 51.6 1.263 51.2 1.775 50.8 1.976 50.5 1.934 50.0 1.866 49.2
1.832 48.7 1.767 47.9 1.608 47.6 1.265 47.5 0.790 47.5 0.360 47.6
0.115 48.1 0.088 49.0 0.331 50.0 0.645 51.1 0.490 51.8 1.409 51.9
2.670 51.7 2.834 51.2 2.812 50.0 2.483 48.3 1.929 47.0 1.785 45.8
1.214 45.6 1.239 46.0 1.608 46.9 1.905 47.8 1.012 48.2 1.815 48.3
0.535 47.9 0.122 47.2 0.009 47.2 0.164 48.1 0.671 49.4 1.019 50.6
1.146 51.5 1.115 51.6 1.112 51.2 1.121 50.5 1.223 50.1 1.257 49.8
1.157 49.6 0.913 49.4 0.620 49.3 0.255 49.2 -0.280 49.3 -1.080 49.7
-1.551 50.3 -1.799 51.3 -1.825 52.8 -1.456 54.4 -0.944 56.0 -0.570 56.9
-0.431 57.5 -0.577 57.3 -0.960 56.6 -1.616 56.0 -1.875 55.4 -1.891 55.4
-1.746 56.4 -1.474 57.2 -1.201 58.0 -0.927 58.4 -0.524 58.4 0.040 58.1
0.788 57.7 0.943 57.0 0.930 56.0 1.006 54.7 1.137 53.2 1.198 52.1
1.054 51.6 0.595 51.0 -0.080 50.5 -0.314 50.4 -0.288 51.0 -0.135 51.8
-0.109 52.4 -0.187 53.0 -0.255 53.4 -0.229 53.6 -0.007 53.7 0.254 53.8
48
0.330 53.8 0.102 53.8 -0.423 53.6 -1.139 53.0 -2.275 52.9 -2.594 53.4
-2.716 54.6 -2.510 56.4 -1.790 58.0 -1.346 59.4 -1.081 60.2 -0.910 60.0
-0.876 59.4 -0.885 58.4 -0.800 57.6 -0.544 56.9 -0.416 56.4 -0.271 56.0
0.000 55.7 0.403 55.3 0.841 55.0 1.285 54.4 1.607 53.7 1.746 52.8
1.683 51.6 1.485 50.6 0.993 49.4 0.648 48.8 0.577 48.5 0.577 48.7
0.632 49.2 0.747 49.8 0.900 50.4 0.993 50.7 0.968 50.9 0.790 50.7
0.399 50.5 -0.161 50.4 -0.553 50.2 -0.603 50.4 -0.424 51.2 -0.194 52.3
-0.049 53.2 0.060 53.9 0.161 54.1 0.301 54.0 0.517 53.6 0.566 53.2
0.560 53.0 0.573 52.8 0.592 52.3 0.671 51.9 0.993 51.6 1.337 51.6
0.460 51.4 1.353 51.2 0.772 50.7 0.218 50.0 -0.237 49.4 -0.714 49.3
-1.099 49.7 -1.269 50.6 -1.175 51.8 -0.676 53.0 0.033 54.0 0.556 55.3
0.643 55.9 0.484 55.9 0.109 54.6 -0.310 53.5 -0.697 52.4 -1.047 52.1
-1.218 52.3 -1.183 53.0 -0.873 53.8 -0.336 54.6 0.063 55.4 0.084 55.9
0.000 55.9 0.001 55.2 0.209 54.4 0.556 53.7 0.782 53.6 0.858 53.6
0.918 53.2 0.862 52.5 0.416 52.0 -0.336 51.4 -0.959 51.0 -1.813 50.9
-2.378 52.4 -2.499 53.5 -2.473 55.6 -2.330 58.0 -2.053 59.5 -1.739 60.0
-0.261 60.4 -0.569 60.5 -0.137 60.2 -0.024 59.7 -0.050 59.0 -0.135 57.6
-0.276 56.4 -0.534 55.2 -0.871 54.5 -1.243 54.1 -1.439 54.1 -1.422 54.4
-1.175 55.5 -0.813 56.2 -0.634 57.0 -0.582 57.3 -0.625 57.4 -0.713 57.0
-0.848 56.4 -1.039 55.9 -1.346 55.5 -1.628 55.3 -1.619 55.2 -1.049 55.4
-0.488 56.0 -0.160 56.5 -0.007 57.1 -0.092 57.3 -0.620 56.8 -1.086 55.6
-1.525 55.0 -1.868 54.1 -2.029 54.3 -2.024 55.3 -1.961 56.4 -1.952 57.2
49
-1.794 57.8 -1.302 58.3 -1.030 58.6 -0.918 58.8 -0.798 58.8 -0.867 58.6
-1.047 58.0 -1.123 57.4 -0.876 57.0 -0.395 56.4 0.185 56.3 0.662 56.4
0.709 56.4 0.605 56.0 0.501 55.2 0.603 54.0 0.943 53.0 1.223 52.0
1.249 51.6 0.824 51.6 0.102 51.1 0.025 50.4 0.382 50.0 0.922 50.0
1.032 52.0 0.866 54.0 0.527 55.1 0.093 54.5 -0.458 52.8 -0.748 51.4
-0.947 50.8 -1.029 51.2 -0.928 52.0 -0.645 52.8 -0.424 53.8 -0.276 54.5
-0.158 54.9 -0.033 54.9 0.102 54.8 0.251 54.4 0.280 53.7 0.000 53.3
-0.493 52.8 -0.759 52.6 -0.824 52.6 -0.740 53.0 -0.528 54.3 -0.204 56.0
0.034 57.0 0.204 58.0 0.253 58.6 0.195 58.5 0.131 58.3 0.017 57.8
(從1991年9月14日開始,156周的觀察值,1銷售額的對數,2平均促銷價格,3形象廣告費所
占的百分比,4擺設費所占的百分比,順序是橫向排列)
50
14.8580 2.8900 17.8000 11.1900 14.8189 2.9000 31.3300 11.8500
51
14.8977 2.6400 31.2800 14.9700 14.7611 2.6800 18.1500 15.6800
52
14.7945 2.5600 15.5800 12.4500 14.8359 2.4700 15.0800 12.1700
53
14.9240 2.5200 17.5500 9.8900 14.9744 2.5900 24.9200 9.3100
colgate牙膏市場佔有率 ,4是crest牙膏價格5是colgate牙膏價格)
54
31 0.095 0.327 2.110 2.030 32 0.094 0.413 2.070 2.040
55
75 0.221 0.291 1.890 1.960 76 0.159 0.259 2.010 2.010
101 0.084 0.305 1.990 1.930 102 0.191 0.172 2.010 1.990
103 0.149 0.321 2.070 1.970 104 0.143 0.343 2.110 2.070
105 0.094 0.354 2.080 1.970 106 0.184 0.316 2.080 1.990
107 0.205 0.292 2.080 1.860 108 0.206 0.305 2.070 2.030
109 0.191 0.294 2.130 2.000 110 0.195 0.289 2.100 1.950
111 0.179 0.301 2.080 1.940 112 0.272 0.304 2.090 2.020
113 0.203 0.306 2.090 1.940 114 0.165 0.405 2.050 2.010
115 0.138 0.344 2.020 1.870 116 0.216 0.353 2.100 1.970
117 0.132 0.383 1.990 1.900 118 0.120 0.349 2.110 2.030
56
119 0.083 0.374 2.180 2.000 120 0.118 0.411 2.070 1.940
121 0.125 0.287 2.090 2.050 122 0.109 0.420 2.030 1.970
123 0.119 0.470 2.010 2.020 124 0.154 0.354 2.080 1.980
125 0.122 0.392 2.090 2.090 126 0.126 0.421 1.980 1.980
127 0.126 0.435 2.020 2.050 128 0.130 0.424 2.080 2.030
129 0.158 0.344 2.080 1.970 130 0.141 0.369 2.030 1.990
131 0.145 0.364 2.020 1.950 132 0.127 0.386 2.090 2.060
133 0.171 0.406 2.040 1.980 134 0.152 0.439 1.960 2.030
135 0.211 0.345 1.960 2.060 136 0.309 0.291 2.050 2.050
137 0.242 0.292 1.980 1.960 138 0.380 0.249 1.940 2.060
139 0.362 0.283 1.970 1.940 140 0.328 0.301 2.000 2.030
141 0.359 0.280 2.020 1.960 142 0.352 0.251 1.960 2.090
143 0.322 0.303 2.030 1.980 144 0.333 0.274 2.000 1.990
145 0.365 0.328 1.980 1.960 146 0.367 0.244 1.960 2.050
147 0.305 0.323 1.900 1.950 148 0.298 0.288 1.980 2.030
149 0.307 0.293 1.990 1.990 150 0.318 0.321 1.980 2.000
151 0.280 0.330 1.970 1.940 152 0.298 0.273 1.980 2.030
153 0.336 0.304 1.940 1.970 154 0.339 0.292 1.930 2.020
155 0.344 0.251 2.000 2.050 156 0.310 0.350 2.030 1.970
157 0.317 0.302 1.950 2.030 158 0.369 0.306 1.960 1.930
159 0.320 0.272 1.980 1.980 160 0.290 0.296 2.050 2.060
161 0.361 0.265 1.970 1.950 162 0.235 0.364 2.010 2.050
163 0.320 0.284 1.950 2.000 164 0.337 0.330 1.890 2.060
57
165 0.289 0.351 1.940 2.050 166 0.339 0.336 2.000 1.970
167 0.187 0.383 2.010 2.040 168 0.414 0.214 1.930 2.000
169 0.373 0.260 2.000 1.980 170 0.265 0.298 2.010 1.950
171 0.316 0.248 1.890 1.950 172 0.245 0.308 1.930 1.910
173 0.328 0.356 1.830 2.000 174 0.368 0.278 1.900 1.940
175 0.287 0.314 1.850 2.010 176 0.369 0.214 1.930 1.980
177 0.406 0.253 1.950 1.860 178 0.316 0.287 1.930 1.990
179 0.362 0.238 1.950 1.950 180 0.308 0.253 1.920 2.000
181 0.286 0.336 1.900 1.950 182 0.420 0.255 1.880 1.890
183 0.299 0.249 1.880 1.990 184 0.383 0.195 1.840 2.040
185 0.354 0.269 2.030 1.960 186 0.418 0.201 1.970 1.930
187 0.425 0.184 1.940 1.920 188 0.445 0.203 1.870 1.970
189 0.408 0.193 1.910 2.010 190 0.282 0.322 1.850 1.920
191 0.410 0.261 1.780 1.960 192 0.425 0.183 1.830 1.950
193 0.358 0.289 1.840 1.860 194 0.393 0.243 1.810 1.920
195 0.375 0.302 1.890 1.920 196 0.273 0.350 1.880 1.890
197 0.237 0.401 1.810 2.000 198 0.331 0.332 1.830 1.960
199 0.335 0.351 1.900 1.930 200 0.395 0.280 1.870 1.990
201 0.357 0.308 1.900 1.970 202 0.296 0.299 1.930 2.000
203 0.307 0.199 1.900 1.990 204 0.390 0.283 1.720 1.960
205 0.298 0.333 1.890 1.870 206 0.381 0.233 1.850 1.930
207 0.354 0.296 1.850 1.970 208 0.436 0.267 1.960 2.000
58
209 0.357 0.253 1.880 1.950 210 0.427 0.239 1.760 2.000
211 0.432 0.155 1.800 2.000 212 0.450 0.247 1.730 1.990
213 0.530 0.201 1.670 1.840 214 0.431 0.266 1.720 1.930
215 0.420 0.290 1.760 1.910 216 0.411 0.231 1.760 1.940
217 0.423 0.255 1.800 1.980 218 0.433 0.242 1.720 1.940
219 0.393 0.271 1.870 1.950 220 0.389 0.266 1.800 1.860
221 0.387 0.244 1.850 1.910 222 0.439 0.204 1.710 1.900
223 0.421 0.213 1.740 1.870 224 0.363 0.295 1.860 1.880
225 0.401 0.254 1.880 1.860 226 0.394 0.242 1.780 1.950
227 0.459 0.228 1.740 1.930 228 0.441 0.181 1.830 1.880
229 0.388 0.264 1.820 1.840 230 0.373 0.277 1.820 1.850
231 0.385 0.284 1.800 1.800 232 0.314 0.248 1.870 1.880
233 0.347 0.280 1.920 1.860 234 0.408 0.249 1.910 1.820
235 0.341 0.279 1.750 1.850 236 0.361 0.282 1.900 1.820
237 0.414 0.267 1.820 1.860 238 0.380 0.252 1.770 1.810
239 0.274 0.190 1.850 1.790 240 0.352 0.284 1.830 1.770
241 0.439 0.207 1.830 1.760 242 0.355 0.327 1.890 1.780
243 0.435 0.259 1.870 1.730 244 0.408 0.286 1.900 1.680
245 0.383 0.275 1.810 1.690 246 0.357 0.244 1.830 1.790
247 0.374 0.341 1.850 1.680 248 0.366 0.331 1.780 1.760
249 0.346 0.250 1.790 1.730 250 0.381 0.220 1.750 1.740
251 0.329 0.293 1.880 1.740 252 0.474 0.205 1.710 1.740
59
253 0.397 0.254 1.800 1.780 254 0.436 0.268 1.790 1.760
255 0.417 0.211 1.660 1.820 256 0.430 0.203 1.740 1.660
257 0.388 0.271 1.630 1.810 258 0.453 0.290 1.730 1.760
259 0.316 0.323 1.750 1.820 260 0.414 0.253 1.790 1.680
261 0.396 0.230 1.720 1.830 262 0.420 0.220 1.840 1.740
263 0.432 0.235 1.840 1.710 264 0.453 0.228 1.820 1.700
265 0.430 0.216 1.820 1.680 266 0.327 0.324 1.730 1.700
267 0.388 0.268 1.750 1.670 268 0.377 0.257 1.850 1.770
269 0.466 0.194 1.650 1.750 270 0.478 0.212 1.790 1.590
271 0.365 0.218 1.810 1.720 272 0.472 0.216 1.660 1.640
273 0.399 0.276 1.760 1.740 274 0.391 0.190 1.710 1.800
275 0.473 0.249 1.760 1.810 276 0.384 0.172 1.810 1.670
某公司汽車 生產資料
(順序是橫向排列)
1715 1825 1700 1770 2000 1690 2070 1825 1725 2090 1975 1505 1925 1430 1990
1680 1750 1940 2070 1915 1860 1950 2050 1110 1540 1050 1500 1580 1830 1790
1470 2100 1960 1880 1900 2005 1860 2040 2070 1960 2035 1560 1880 1900 1525
1600 2500 2460 2200 2405 2365 2375 2225 2030 2300 2380 1940 2480 2365 2280
1895 2520 2680 2205 2330 2345 1840 1875 2370 2160 2200 2275 2170 2400 2250
2395 2325 2300 2155 2230 2240 2570 2325 2355 2090
60
加拿大山貓 數據 (18 21 年至 193 4 年 )
1821 269 1822 321 1823 585 1824 871 1825 1475
1826 2821 1827 3928 1828 5943 1829 4950 1830 2577
1836 2285 1837 2685 1838 3409 1839 1824 1840 409
1846 1033 1847 2129 1848 2536 1849 957 1850 361
1851 377 1852 225 1853 360 1854 731 1855 1638
1856 2725 1857 2871 1858 2119 1859 684 1860 299
1861 236 1862 245 1863 552 1864 1623 1865 3311
1866 6721 1867 4254 1868 687 1869 255 1870 473
1871 358 1872 784 1873 1594 1874 1676 1875 2251
1876 1426 1877 756 1878 299 1879 201 1880 229
1881 469 1882 736 1883 2042 1884 2811 1885 4431
1896 3495 1897 587 1898 105 1899 153 1900 387
1901 758 1902 1307 1903 3465 1904 6991 1905 6313
1906 3794 1907 1836 1908 345 1909 382 1910 808
1911 1388 1912 2713 1913 3800 1914 3091 1915 2985
1921 229 1922 399 1923 1132 1924 2432 1925 3574
61
1926 2935 1927 1537 1928 529 1929 485 1930 662
62