Forecasting Using SAS Software: A Programming Approach

This course teaches analysts how to use SAS/ETS software to diagnose systematic variation in data collected over time, create forecast models to capture the systematic variation, evaluate a given forecast model for goodness-of-fit and accuracy, and forecast future values using the model. Topics include Box-Jenkins ARIMA models, dynamic regression models, and exponential smoothing models.

1. 预测简介
   • 时间序列和预测
   • SAS预测软件介绍
   • 评估拟合优度和准确性
2. 平稳时间序列预测模型
   • 平稳时间序列简介
   • 自回归模型
   • PACF和IACF详细技术说明（自学）
   • 移动平均模型
   • 未观察到移动平均模型组件的估计（自学）
   • 混合自回归移动平均模型
   • 确定适当的自回归移动平均模型
   • 估计和预测方法
   • Box-Jenkins模型的替代模型
3. 非平稳时间序列的预测模型
   • 趋势和季节性的统计检验
   • 趋势模型
   • 季节模型
   • Box-Jenkins模型的替代模型
   • 预测航空公司乘客时间序列
4. 探索性变量的预测模型
   • 一般回归模型
   • 事件模型
   • 时间序列回归模型
5. 预测的数据准备
   • 处理日期
   • 处理时间标识的数据
   • 读取和修改时间序列数据
   • 处理唯一、特定日期或频数