收集了近5年的退休人员住院率  发现有逐年升高迹象 决定用时间序列分析下 顺便完成大作业
可惜时间有限 未能深入
第一步：输入数据  画图观看
data book1;
infile "c:\book1.txt";
input x @@;
n=_n_;
run;
proc print data=book1;run;
proc gplot data=book1;
symbol i=join v=star  h=2 c=red;plot x*n;run;


图中看出呈现明显非平稳序列分布  查看自相关和偏相关proc arima data=book1;identity var=x nlag=20;run;

可以看到 自相关呈现持续不为0状态 进行差分identity var=x(1) nlag=20;run; 其实试过多阶差分 但是后来发现还是这个1阶差分效果最好因此决定采用1阶差分 p q的辨别让sas来辅助判断identify var=x(1) esacf p=(0:6) q=(0:5) nlag=12;run;estimate p=5 q=1;run;
决定采用p=5 q=1 和1阶差分处理模型  上图来看 效果还可以estimate p=5 q=1;run;
采用预测forecast lead=12 out=out1;run;run;