sas程序注释

例1：

Option pagesize=150; …………………页面大小

data xiao; ……………………………………..建立名称为xiao的数据集

infile "f:\1.2.txt" firstobs=2 dlm=’09’X; ………从文件第2行读取，以TAB 为标志（TAB16位制为09） input year yymmdd10. prodcut@@; ……………介入数据，并规定格式①

year=intnx('year','1jan1964'd,_n_-1); ……………以观测值减1年份增加，观测值从1开始 format year yymmdd10.; ……………输出格式 proc print data=xiao; ……………输出数据集xiao run;

data kk; ……………建立数据集KK

set xiao; ……………采用xiao数据集的数据

lagprodcut=prodcut-lag(prodcut); ……………增加lagprodcut差分变量（lagprodcut=prodcut-lag(prodcut)可以写成

lagprodcut=dif(prodcut)）

run; ……………运行上面程序

proc print data=kk; ……………在界面输出kk数据集 run; ……………运行以上程序

data bufen; ……………建立名称为bufen的数据集 set kk; ……………采用kk数据集的数据

keep year lagprodcut; ……………保留year和lagprodcut两列数据 where year>='01jan1970'd; ……………数据只取条件是大于01jan1970的值 proc print data=bufen; ……………在output窗口输出数据集bufen run; ……………运行上面程序

proc gplot data=kk; ……………以数据集kk里面数据作图

plot prodcut*year=1 lagprodcut*year=2/overlay; ……………图形以prodcut、lagprodcut为纵坐标、year为横坐标，在同一坐标

作图，（/overlay）并图像样式设定条件（=1，=2）

symbol1 c=red v=dot i=spline; ……………图像条件1选项（c=颜色v=数据形状i=连线线条形状） symbol2 c=black v=diamond i=join; ……………图像条件2选项 run; …………运行以上程序

proc arima data=kk; …………以数据集kk作arima过程②

identify var=prodcut nlag=24; …………arima过程分析的变量名称是prodcut，延迟24期 run; …………运行以上程序

proc arima data=kk; …………以数据集kk作arima过程

identify var=lagprodcut nlag=24 minic p=(0:5) q=(0:5); ………arima过程分析的变量名称是prodcut，延迟24期，并自动定阶 run;………运行以上程序

estimate p=1 q=1; ………estimate过程，AR一阶(偏自相关图) MA一阶（自相关图）

forecast lead=5 id=year out=results; ………预测过程，预测期数5期，以year为标识，输出数据集名称为results proc gplot data=results; ………以数据集results作图

plot lagprodcut*year=1 forecast*year=2 l95*year=3 u95*year=3/overlay href=1980; ………以lagprodcut、forecast、l95（下限）、

u95（上限）作为纵坐标，year为横坐标作图，并在同一坐标系（/overlay），以1980竖着划一根线（href=1980）

symbol1 c=black i=none v=none; ………图像条件1选项 symbol2 c=red i=jion v=none; ………图像条件2选项

symbol3 c=green i=none v=dot l=2;………图像条件3选项，长度（length）为2 run; ……………运行以上程序

注：①intnx('year','1jan1964'd,_n_-1)：第一个参数是变化的方式（year month day）第二个参数是日期参数，第三个参

数是变化步长

②arima过程包含信息有

………arima过程 ………identify var=过程 ………描述统计量 ………自相关图 ………逆自相关图 ………偏自相关图

………自相关白噪声检验p小于α说明是白噪声

………最小信息量准则minic过程

……estimate过程

………优化总结

………参数估计的相关性（未知参数估计结果），p值越小于α有效AR+MA-

………拟合统计量的值依次为方差估计值标准差估计值 AIC信息量 SBC信息量残差个数

………各参数估计值的相关矩阵

…残差自相关白噪声检验（模型检验，LB统计量p值大于α,越大模型拟合越好………自变量模型信息

………AR过程结果及模型方程 ………MA过程结果及模型方程

………forecast lead=过程

………变量预测值

………作图过程

日期输出过程：monyy.→jan05 monyy7.→jan2005 date.→01jan05 year4.→2005 yymmdd10.→01jan2005

例2：

data k; input x@@;

time=_n_; …………时间变量 cards; …………输入数据 63.2 49.9 49.5 ;

proc gplot data=k; plot x*time=1;

symbol1 c=red i=join v=star;

67.9 55.8 49.5 50.2 55.4 45.3 48.1 61.7 55.2 53.1 59.9 30.6 30.4 33.8 42.1

proc arima data=k;…………arima检验过程 identify var=x nlag=20 minic p=(0:5) q=(0:5); run;

estimate p=1 q=3;

forecast lead=5 id=time out=results; proc gplot data=results;

plot x*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay; symbol1 c=black i=none v=star; symbol2 c=red i=join v=none; symbol3 c=grenn i=none v=dot l=2; run;

例3：AR二阶xt=xt-1-0.5xt-2+et

data liao;

x1=0.5; …………随机赋值给x1 x2=0.6; …………随机赋值给x2 do i=0 to 100; …………循环i从1到100 y=rannor(0); …………y是标准白噪声 x3=x1-0.5*x2+y; …………x的方程 x2=x3; x1=x2;

output; …………输出

end; …………do结束一次，继续循环，直到循环终止 proc print data=liao; run;

proc gplot data=liao; plot x3*i;

symbol i=line c=red v=star; run;

线性回归：P107

data kk; input x@@;

time=_n_;(若二次型下面增加语句time1=time*time) cards;

8444 9215 8879 8115 9457 8590 8997 9574 9051 9724 9120 10143 9746 10074 9578 10817 10116 10799 9901 11266 10686 10961 10121 11333 10677 11325 10698 ; run;

data mm;……..新建一个mm数据集，为了存放预测值（在列后面增加数据方法） do i=1 to 5; time=27+i; output; end; run;

data mm(drop=i);……..在列后面增加数据 set kk mm ;……..合并两个数据集（注意顺序） run;

proc gplot mm;……..作图 plot x*time;

symbol c=red v=dot i=line; run;

proc reg data=mm;……..回归过程拟合

model x=time/p cli;……..模型参数，x为自变量，time为因变量，输出预测值，95%上下界(若二次型变为x=time time1) output out=ree p=pre;……..物理数据集输出 plot x*time;……..回归过程拟合直接作图 quit;……..回归过程退出

指数平滑：

P111

data mm;……..建立数据集，录入数据 input y@@; year=2000-1+_n_; cards;

8.2 8.3 8.3 8.2 7.8 7.4 7.3 7.3 7.7 ; run; proc print; run;

proc forecast data=mm trend=1 weight=0.5 interval=year lead=5

out=res outfull outest=rest;……..预测过程步，趋势一阶回归，平滑系数0.5，预测值5期，间隔为年（非必须），outfull:

将原序列的观测值、拟合值、预测值、95％存入res结果文件，如果缺省outfull系统只

有预测值存入结果；outest将预测过程中的参数估计和拟合优度存入rest文件（如果是Holt两指数平滑，则methord=winters weight=(0.15 0.1）参数分别是α、γ)

id year;…….时间标识（因变量） var y;…….变量 run;

proc gplot data=res;

plot y*year=_type_;…….对res所有数据进行作图 run;

综合分析：P115

data hh (drop=i y); ……..建立数据集hh,去除i、y列数据（如果想要删除列用类似i的方法，删除中间列要加循环） infile "e:\data\1.14.txt" firstobs=2; ……..从文件读取数据，从第二行开始 do month=1 to 12; ……..外循环控制月份，即纵向列 input i@@; ……..读取一个文件里的数

do y=1993 to 2000;……..内循环控制年份，即横向行(内循环的速度大于外循环) input x@@; ……..读取一个文件的数

year=mdy(month,1,y); ……..循环输出格式，即按月份+1输出 output; ……..输出数据 end;……..结束内循环 end;……..结束外循环

format year monyy.; ……..年份输出格式 run; ……..运行以上程序

data temp; ……..建立数据集temp do month= 1 to 12; ……..建立一个月份数据

year=mdy(month,1,2001); ……..输出格式2001，month+1 output; ……..输出数据 end; ……..结束循环

format year monyy.; ……..年份输出格式 run; ……..运行以上程序 data hh; ……..建立数据集hh

set hh temp; ……..把hh 、temp按顺序合并放入hh(覆盖)(后插入的，为预测值建立的时间轴) run; ……..运行以上程序

proc print; ……..在程序框输出数据 run; ……..运行以上程序

proc sort data=hh; ……..对数据集进行排序操作 by year; ……..排序标识是年份 run; ……..运行以上程序

proc gplot; ……..作图，对最近的数据集作图不需要data

plot x*year; ……..以x为纵坐标、year为横坐标作图（时序图p116） symbolc=black i=line v=star; ……..图形选项 run; ……..运行以上程序

proc sql;……..SQL过程步（提取季节因素season）

create table mm as select month,avg(x) /(select avg(x) ……..创建一个mm的表，表的内容由select执行，第一列为month

文件数据

from hh) as season第二列数据为公式算出，命名为season（注：在用公式时，必须是单列数据对单列数据） from hh 对数据进行select操作的表是hh，所有数据在同一个表中进行

group by month;因为要对每个月份分别进行均值计算，所以必须对月份进行分组（季节指数=各年同月均值/总均值） run; ……..运行以上程序 proc sql; ……..运行SQL过程步

create table dd as select year, hh.month ,x,season……..创建dd数据库，内容由select执行，第一列为hh的month列 fromhh,mm第二列为x,第三列为season （注：hh表中有month、x数据，mm表中有month、season数据） where hh.month=mm.month;因为数据来自不同的表，所以必须用主键把两个表连接起来 run; ……..运行以上过程步

data dd; ……..建立一个数据集，取名dd

set dd; ……..在原有dd表里面增加数据（相当于覆盖dd） ti=x/season;……..增加的列为ti（趋势、随机） run;……..运行以上程序

proc gplot data=dd; ……..对dd数据集进行作图操作

plotseason*month ti*year;……..以ti为纵坐标、year为横坐标（季节指数图p117，消除季节后的散点图p118） (对season*month如果作图有错，在run后面增加plot season*month;where year

v=circle;run;原因请参照dd数据集)

symbol c=black i=none v=circle; ……..作图选项 run; ……..运行作图程序

proc reg data=dd; ……..对数据集进行reg过程（回归模型建立、优化、参数估计） model ti=year /all; ……..model以ti为自变量，时间因变量，并且输出所有回归数据 plot ti*year;……..对ti和year进行作图（线性趋势拟合图p118）

output out=rep=pre r=res;……..输出数据集，out取名为re、预测数据集取名为pre、结果数据集取名为res quit;……..回归过程的退出

proc gplot data=res;……..对res数据集里面的res（residual残差）进行进行作图 plot res*year;……..对res里的数据进行时间变量的作图（残差图p118） symbol c=black i=none v=circle;……..图形选项 run;……..运行以上过程步 data res;……..建立res数据集

set res;……..在res基础上进行修改（数据集名相同，相当于覆盖原有数据集） estimate=season*pre;……..增加一列，列名为estimate，放在res里 run;……..运行以上程序

proc gplot data=res;……..对res进行作图

plot x*year=1 estimate*year=2/overlay href=2001;……..以x、year、estimate进行同一坐标轴作图（拟合效果图p119） symbol1 c=black i=none v=circle;……..作图选项1 dd数据集 symbol2 c=black i=line v=none;……..作图选项2 run;……..运行程序

X-11过程p121：

data hh (drop=i y);

infile "e:\1.14.txt" firstobs=2; do month=1 to 12; input i@@; do y=1993 to 2000;

input x@@;

year=mdy(month,1,y); output; end; end;

format year monyy.; run;

proc sort data=hh; by year;

run; ……..数据步，数据录入 proc gplot; plot x*year;

symbol c=black i=line v=star; run; ……..作图，时序图

proc x11 data=hh; ……..X11过程步

monthly date=year; ……..以年作为时间标识，趋势变化为月（季度quarterly） var x; ……..变量名称

output out=res b1=x d10=season d11=adj d12=trend d13=irr; ……..物理数据集输出（B1原始数据x,D10最终季节因素，D11

调节的季节因素，B1/D10，D12长期趋势，趋势拟，合D13随机波动，D11-D12）

proc gplot data=res; ……..作图过程步

plot (x season adj trend irr)*year; ……..联合作图 symbol c=black i=line v=star; ……..作图选项 run;

非平稳，差分p139（若线性一阶差分，曲线二阶三阶差分，趋势周期，差分取出趋势，在进行年为基准周期步的差

分，如月12步差分，季节4步差分）

data hh; ……...建立名称为hh的数据集 infile "f:\1.2.txt" firstobs=2;

input year x@@; ……...介入数据，并规定格式

y1=dif(x);……....一阶y1=dif(x),二阶y2=dif(dif(x)),12步差分y12=dif12(dif(x)) year=intnx('year','1jan1964'd,_n_-1); ……...测值减1年份增加，观测值从1开始 format year yymmdd10.; run;

proc gplot data=hh; ……....作图过程步

plot (x y1 )*year ;……...时间序列图，差分后的时序图 symbol c=black i=line v=star; …….....作图选项 run;

ARIMA模型建立：p144

optionpagesize=150; data hh;

infile “e:\data.1.17.txt” firstobs=2;

input year x@@;

diifx=dif(x);…….....一阶差分（一阶y1=dif(x),二阶y2=dif(dif(x)), 12步差分y12=dif12(dif(x))） run; proc gplot; plot (x difx)*year; symbol i=line;

run;…….....联合作图，时序图 proc arima data=hh;

identify var=x(1) nlag=24;……....白噪声检验（一阶差分：x(1) 二阶：x(1,1)阶：x(1,1,1）一阶四步：x(1,4) 二阶12步x(1,1,12))） estimate q=1;…….....观测自相关图和偏自相关图，参数检验，模型检验（残差检验），最小信息量准则 forecast lead=5 id=year out=resu;……....预测过程步 quit;…...退出

proc gplot data=resu; ………以数据集results作图

plot x*year=1 forecast*year=2 l95*year=3 u95*year=3/overlay href=1980; ………以lagprodcut、forecast、l95（下限）、u95

（上限）作为纵坐标，year为横坐标作图，并在同一坐标系（/overlay），以1980竖着划一根线（href=1980）

symbol1 c=black i=none v=none; ………图像条件1选项 symbol2 c=red i=jion v=none; ………图像条件2选项

symbol3 c=green i=none v=dot l=2; ………图像条件3选项，长度（length）为2 run; ……………运行以上程序

蔬系数模型：p150

option pagesize=150; datahh;

infile “e:\data\1.18.txt” firstobs=2; input year x@@;

difx=dif(x);…….....一阶差分，一次一次差分，直到平稳，避免出现过差分 run; proc gplot;

plot (x difx)*year;Xtsymbol i=line; run;

proc arima data=hh;

identify var=x(1) nlag=24;……....白噪声检验（一阶差分：x(1) 二阶：x(1,1)阶：x(1,1,1）一阶四步：x(1,4) 二阶12步x(1,1,12))） estimate p=(1,4) noint;……...定阶可以一次一次尝试，根据参数检验、模型检验和最小信息量准则定阶，此例中参数检验

参数项、φ2、φ3不显著（p﹥α）

run;



1

10.26633B0.35597B

4

t,t~N(0,123.86)

简单季节模型：p152

option pagesize=150; ……...页面大小 data hh;

infile “e:\data\1.19.txt”; inputr x@@;

year=intnx(‘quarter','1jan1960'd,_n_-1); ……...输入时间，以季度递增 foemat year yyq6. ……...时间输出格式 1960q1

difx=dif4(dif(x)); ……...一阶四步差分，季节数据为4步，月度数据为12步（差分提取趋势，步数提周期） run; proc gplot; plot (x difx)*year; symbol i=line; run; proc arima;

identify var=x(1,4) nlag=24; ……...白噪声检验，变量1阶4步

estimate p=(1,4); ……...参数估计模型估计模型定阶AR1阶，蔬系数模型 run;

乘积季节模型：p156

option pagesize=150; data hh;

infile "e:\1.20.txt"; input x@@;

dif=dif12(dif(x));…….一阶12步差分 time=intnx("month","01jan1948"d,_n_-1) format time monyy7. run;

proc gplot data=hh; plot (x dif)*time;

run;

run;·

id time; var x; run;

自相关图

偏

自相关

run;

残差自回归模型：p161(续p144)

option pagesize=150; data hh;

infile "e:\1.17.txt" firstobs=2; input year x@@; k=_n_; lagx=lag(x); run; proc gplot; plot x*year; symbol i=line v=dot; run;

proc autoreg data=hh; model x=k;

output out=a p=p1 r=r1; model x=lagx /noint; output out=b p=p2 r=r2; proc arima data=a; identify var=r1; run;

proc arima data=b; identify var=r2; run; data kk; merge a b; by year; run;

proc gplot data=kk;

plot x*year=1 p1*year=2 p2*year=2/overlay; symbol1 c=black v=star i=none; symbol2 c=red v=none i=line; run;

t66.4194.515t,t1,2,3......X1.365x

t1,t1,2,3.....

序列拟合模型

残差拟合模型

残差自相关检验：p163

option pagesize=150;

data hh;

infile "e:\1.17.txt" firstobs=2;

input year x@@;

k=_n_;

run;

proc gplot;

plot x*year;

symbol i=line;

run;

data kk(drop=i); ………..建立kk数据集，为了产生k的序列，便于预测

do i=1 to 5;

k=37+i;

output;

end;

run;

data hh;

set hh kk;

run;

proc autoreg data=hh; model x=k /dwprob; ………..回归模型，产生 DW检验的p值，越小越有效①

model x=K /nlag=5 backstep; ………..残差自回归模型，阶数定为5，逐步回归（如果第5阶有效，尝试大范围）②

output out=res p=p r=r pm=pm rm=rm;………..输出数据集（pm rm为确定模型的预测值和残差 p r 为整个模型的预测

值和残差，精度较好）

run;

proc gplot data=res;………..作图

plot x*year=1 p*year=2 pm*year=3/overlay;

symbol1 c=red i=line v=star;

symbol2 c=black i=jion v=none;

symbol3 c=blue i=none v=dot;

run;

方差齐性变换：p171

data hh;

infile "d:\1.21.txt";

year=intnx("month","01apr1963"d,_n_-1);

input y@@;

x=log(y); ……对原序列进行对数变换

difx=dif(x); ……进行一阶差分

difx1=dif(x)*dif(x); ……残差平方

run;

proc gplot;

plot (difx difx1 y x)*year;

symbol i=line;

run;

proc arima data=hh;

identify var=difx;

run;

条件异方差模型（ARCH模型）：p174

data hh;

infile "d:\1.22.txt" firstobs=2;

input y$ x@@; ……y值是字符串

t=_n_;

t1=intnx("month","01jan1926"d,_n_-1);

format t1 monyy.;

run;

proc gplot ;

plot x*t1;

symbol c=black i=join v=none;

run;

proc gplot ;

where t1>"01jan1926"d and t1

plot x*t1;

symbol c=black i=join v=none;

run;

proc autoreg ;

model x= / archtest; ……对残差进行异方差检验，对残差自身进行模型拟合，不需要时间

model x= /garch=(q=3) noint; ……ARCH3阶，从高阶往低阶试，全部显著可以通过（p值全部小于α）

output out=res cev=v ucl=ucl lcl=lcl r=r ; ……条件方差（cev=）、序列置信区间（ucl=、lcl=）、残差（r=） run;

data res;

set res;

ucl1=1.96*sqrt(0.00345); ……残差序列方差齐性下的置信区间 lcl2=-1.96*sqrt(0.00345);

yucl=1.96*sqrt(v); ……残差序列条件方差下的置信区间 ylcl=-1.96*sqrt(v);

run;

proc gplot data=res; ; ……作图

plot x*t=1 ucl1*t=2 lcl2*t=2 yucl*t=3 ylcl*t=3 /overlay; symbol1 c=black i=join v=none;

symbol2 c=blue i=join v=none w=2 l=2;

symbol3 c=red i=join v=none;

run;

E（2t|t1,t

data hh; 22)0.014370.0796t10.2722t3 2....

infile "e:/1.23.txt" firstobs=2;

input y$ x@@;

lagx=lag(x);

t=intnx("day","01jan1980"d,_n_-1);

format t monyy.;

proc gplot;

plot x *t;

symbol i=join;

run;

proc autoreg data=hh;

model x=lagx /lagdep=lagx archtest;

model x=lagx /nlag=5 backstep garch=(p=1,q=1) noint;

output out=out pm=pm p=p rm=rm r=r lcl=lcl ucl=ucl cev=cev; run;

data out;

set out;

uclr=1.96*sqrt(0.002007);

lclr=-1.96*sqrt(0.002007);

cuclr=1.96*sqrt(cev);

clclr=-1.96*sqrt(cev);

cuclp=p+1.96*sqrt(cev);

clclp=p-1.96*sqrt(cev);

run;

proc gplot data=out;

plot x*t=1 p*t=2 cuclp*t=3 clclp*t=3 lcl*t=4 ucl*t=4/overlay; symbol1 c=black i=none v=star;

symbol2 c=red i=line v=none;

symbol3 c=blue i=lnie;

symbol4 c=green i=join v=star;

run;

proc gplot data=out;

plot r*t=1 uclr*t=2 lclr*t=2 clclr*t=3 cuclr*t=3 /overlay; symbol1 c=black i=none v=star;

symbol2 c=red i=line v=none;

symbol3 c=blue i=lnie;

run;

tXt1t

t0.0365t1t

thtet,et~N(0,0.0002007)

t0.9143ht10.0752t1