Dependent Variable: LOG(N)                               
Method: ARMA Maximum Likelihood (OPG - BHHH)                               
Date: 06/28/20   Time: 13:59                               
Sample: 2017M01 2019M12                               
Included observations: 36                               
Failure to improve objective (non-zero gradients) after 363 iterations                               
Coefficient covariance computed using outer product of gradients                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
AR(1)        0.996473        0.052603        18.94329        0.0000
SAR(12)        1.000000        2.39E-05        41843.38        0.0000
MA(1)        -0.836555        0.272927        -3.065128        0.0045
SMA(12)        -0.999685        0.000126        -7916.131        0.0000
SIGMASQ        0.126676        0.027721        4.569657        0.0001
                               
R-squared        0.444712            Mean dependent var                6.404303
Adjusted R-squared        0.373061            S.D. dependent var                0.484401
S.E. of regression        0.383546            Akaike info criterion                1.686063
Sum squared resid        4.560333            Schwarz criterion                1.905997
Log likelihood        -25.34914            Hannan-Quinn criter.                1.762826
Durbin-Watson stat        1.386845                       
                               
Inverted AR Roots              1.00                  1.00           .87+.50i         .87-.50i
         .50+.87i             .50-.87i           .00+1.00i        -.00-1.00i
        -.50+.87i            -.50-.87i          -.87-.50i        -.87+.50i
             -1.00                       
        Estimated AR process is nonstationary                       
Inverted MA Roots              1.00             .87+.50i           .87-.50i              .84
         .50+.87i             .50-.87i           .00+1.00i        -.00-1.00i
        -.50+.87i            -.50-.87i          -.87-.50i        -.87+.50i
             -1.00                       
                               
我估计的模型命令是 log（n）ar（1）sar（12）ma（1）sma（12）不知道这个结果模型可否通过啊