資料的錄入與儲存：建立Workfile：點選File/New/Workfile，輸入起止日期。建立object輸入資料：點選object/new object，定義資料檔名ex4_2並輸入資料。將Workfile儲存：點選File/save，而store只儲存物件object。2模型定階：點選Quick/Estimate equation輸入類似Y AR(1) AR(2) AR(3)形式的各種不同模型，利用AIC準則或F檢驗選擇最合適的模型。先擬合AR(3)模型：得知，引數不顯著，且AIC=2.8352，SC＝2.9169，SSE=86.95。3再擬合AR(2)模型：AIC＝2.8329，SC=2.8870，SSE＝89.644再擬合AR(1)模型：SSE＝91.32，AIC=2.8194，SC＝2.8463。F檢驗：F=2.77<3.92，說明AR(3)與AR(2)模型沒有顯著性差異，故可判定適應模型為AR(2) 。5模型預測：用AR(2)模型作預測

方法/步驟建立工作檔案，建立並編輯資料。結果如下圖所示。在命令列輸入ls y c x,然後回車。彈出equation視窗，如圖所示。觀察t統計量、可決係數等，可知模型透過經濟意義檢驗，查表與X的t統計量比較發現，t檢驗值顯著。模型對Y的解釋程度高達99.3%。將樣本期範圍從1978-2003年擴充套件為1978-2004年：在workfile視窗中依次點選proc->Structure。彈出Workfile Structure視窗，將2003改為2004，然後點選ok，如圖所示。在Group視窗中輸入2004年X的值，如圖所示。在equation視窗中點選Forecast。在彈出的視窗中點選ok。在workfile視窗中會生成一個yf，雙擊開啟它，如圖所示，即可看到我們對2004年的預測值。望採納

老師要求對一組很大的資料進行ARMA模型分析及預測，但不知階數。我查了很多觀察自相關係數：拖尾數即為AR階數，截尾數即為MA階數觀察偏相關係數：截

擴大樣本期：expand 起始時間 終止時間（包括預測的時間段）

2、在“Workfile”下，雙擊序列名，輸入解釋變數的值（預測的樣本值）

3、在估計的方程視窗，點“Forecast”，設定引數