[英]Simulating ARMA/ARIMA time series processes in SAS
我一直在尝试找到在SAS中生成模拟时间序列数据集的最简单方法。 我最初是在LAG运算符上进行实验,但这需要输入数据,因此可能不是最好的方法。 (请参阅此问题: SAS:在没有set语句的情况下使用lag函数(以模拟时间序列数据。) )
有没有人开发过宏或数据集,可以使用任意数量的AR和MA项生成时间序列? 做这个的最好方式是什么?
具体来说,我希望生成SAS称为ARMA(p,q)的过程,其中p表示自回归分量(因变量的滞后值),而q是移动平均值分量(误差的滞后值)术语)。
非常感谢。
我已经开发了一个宏来尝试回答这个问题,但是我不确定这是否是最有效的方法。 无论如何,我认为这对某人可能有用:
%macro TimeSeriesSimulation(numDataPoints=100, model=y=e,outputDataSetName=ts, maxLags=10);
data &outputDataSetName (drop=j);
array lagy(&maxlags) _temporary_;
array lage(&maxlags) _temporary_;
/*Initialise values*/
e = 0;
y=0;
t=1;
do j = 1 to 10;
lagy(j) = 0;
lage(j) = 0;
end;
output;
do t = 2 to &numDataPoints; /*Change this for number of observations*/
/*SPECIFY MODEL HERE*/
e = rannorm(-1); /*Draw from a N(0,1)*/
&model;
/*Update values of lags on the moving average and autoregressive terms*/
do j = &maxlags-1 to 1 by -1; /*Note you have to do this backwards because otherwise you cascade the current value to all past values!*/
lagy(j+1) = lagy(j);
lage(j+1) = lage(j);
end;
lagy(1) = y;
lage(1) = e;
output;
end;
run;
%mend;
/*Example 1: Unit root*/
%TimeSeriesSimulation(numDataPoints=1000, model=y=lagy(1)+e)
/*Example 2: Simple process with AR and MA components*/
%TimeSeriesSimulation(numDataPoints=1000, model=y=0.5*lagy(1)+0.5*lage(1)+e)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.