程序求助，协整分析过程中，对残差建立误差修正模型遇到问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

毕业论文中想为残差建立ARMA模型，观察残差的自相关拖尾，偏自相关一阶截尾，所以应该是AR(1)模型。程序总是显示错误， 前面部分的程序都没问题，最后对残差估计模型的步骤程序总是不对，自己改了一个月也结果出不来。
数据和程序如下，数据集名字为bean,最后红色部分是有问题的地方。真着急。。 求大神帮助

data bean;
input x y;
t=_n_;
difx=dif(x);
dify=dif(y);
cards;
3879        3781
3850        3749
3852        3774
3853        3768
3848        3765
3845        3750
3888        3755
3911        3800
3924        3800
3932        3800
3942        3630
3931        3638
3935        3670
3938        3679
3930        3636
3927        3647
3934        3719
3931        3702
3937        3780
3998        3810
4003        3827
4003        3835
3998        3857
3993        3881
3989        3875
3987        3862
3977        3829
4002        3817
4067        3850
4080        3864
4116        3939
4117        3903
4105        3873
4106        3863
4105        3802
4103        3822
4102        3930
4120        3930
4124        3930
4118        3930
4112        3930
4086        3930
4079        3930
4073        3930
4072        3930
4063        3651
4040        3574
4041        3589
4034        3662
4030        3663
4022        3673
4005        3659
3999        3676
3992        3696
3987        3695
3978        3649
3965        3600
3962        3586
3955        3529
3905        3498
3885        3472
3886        3503
3888        3483
3888        3516
3885        3504
3880        3540
3888        3571
3893        3591
3905        3579
3887        3571
3871        3588
3853        3589
3855        3643
3873        3613
3893        3690
3892        3693
3882        3740
3866        3695
3879        3718
3897        3730
3923        3740
3922        3697
3942        3780
3941        3800
3924        3479
3946        3480
4018        3503
4040        3521
4054        3510
4054        3525
4051        3537
4030        3532
4027        3536
4049        3594
4083        3595
4103        3639
4152        3737
4168        3719
4176        3773
4161        3777
4146        3774
4139        3784
4123        3755
4090        3767
4071        3776
4063        3795
4020        3797
4016        3747
3996        3722
3955        3749
3918        3688
3897        3639
3888        3590
3870        3550
3873        3550
3864        3618
3866        3738
3869        3859
3895        3859
3952        3767
3955        3750
3960        3800
3953        3810
3938        3670
3932        3762
3920        3781
3919        3822
3918        3811
3919        3788
3933        3825
3903        3859
3879        3784
3867        3703
3838        3747
3835        3780
3853        3820
3839        3840
3848        3840
3872        3700
3884        3700
3893        3700
3898        3700
3907        3700
3934        3700
3940        3700
3940        3700
3940        3785
3940        3822
4060        3861
4054        3873
4110        3875
4135        3894
4166        3858
4277        4013
4272        4005
4269        3969
4262        3907
4261        3932
4252        3978
4254        4000
4258        3981
4261        3971
4261        4035
4276        4030
4297        4040
4315        4083
4339        4100
4360        4150
4346        3939
4332        3927
4333        3925
4336        3885
4354        3901
4376        3915
4395        3928
4402        3943
4407        3955
4094        3995
4416        4019
4449        4007
4446        4005
4421        4016
4419        3993
4388        4011
4386        3972
4395        3994
4363        3983
4357        3976
4357        3988
4357        3936
4357        3914
4357        3805
4357        3800
4357        3835
4357        3900
4357        3960
4357        3950
4357        3950
4357        3920
4357        3901
4357        3800
4357        3850
4357        3870
4357        3901
4357        3820
4357        3825
4357        3810
4357        3842
4357        3840
4357        3861
4357        3895
4357        3895
4357        3874
4275        3917
4204        3929
4176        3945
4185        3950
4191        3990
4189        4000
4177        4000
4177        3995
4167        4000
4159        3980
4145        4000
4129        4000
4123        3990
4106        3733
4102        3765
4077        3771
4066        3769
4057        3766
4037        3762
4031        3729
4011        3740
4009        3745
3995        3738
3984        3720
3984        3726
;
proc gplot;
plot x*t=1 y*t=2/overlay;
symbol1 c=black i=join v=none;
symbol2 c=red i=join v=none w=2 l=2;
run;
proc arima data=bean;
identify var=difx stationarity= (adf=1);
identify var=dify stationarity= (adf=1);
run;
proc arima;
identify var=y crosscorr=x;
estimate method=ml input=x plot;
forecast lead=0 id=t out=out;
proc arima data=out;
identify var=residual stationarity= (adf=2);
run;
proc arima data=out
identify var=residual stationarity= (adf=2)
estimate p=1 q=0 input=residual;
run;

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：误差修正模型 误差修正 协整分析 stationarity crosscorr 程序 模型

求助求助。。。 自己实在是不懂怎么改了T T

help!!!