使用SAS进行时间序列分析的过程,与其他软件区别甚微,主要是通过不同语句完成预分析、建模、报告过程,这个流程大体相同,唯一区别的地方是,SAS提供可供调整的参数很多,当然在SAS中,所借助的分析语句或过程是很多的。
调用许多不同的过程来处理这类问题也是SAS的一个特点,例如进行图形描述时,可以借助ARIMA模型本身的图形输出,也可以借助图形绘制过程的一系列语句(sgplot、graph、ods等)来完成相应图形的描述。
另外,建模过程与预测过程也是分开的,分别使用ARIMA(或AUTOREG等)、FORECAST来完成,那么在最终结果的输出中,往往还是需要其他图形来加以呈现(gplot等),并保存相应的数据以备后续分析。
所以可以看出SAS的时间序列分析,是依靠多个过程的整合,这可能是它的 “弊端”,显的很繁杂,尤其是有许多可调整优化的地方,往往令人头晕目眩,不过也正因此,这也更像它的优点,这样便于整合不同过程的信息,我们知道每个过程所提供的指标,整体来看,极大的非富了时间序列分析。
那么这个过程,其实就体现了SAS程序的特点——每个看起来很独立的语句,与其他语句都有千丝般的联系,最后看起来盘根错节,不过也许SAS用户能入门后,才能一窥全貌,体会到它的价值所在——几百种语句及其上万种选项的组合,真不知道还有什么做不了的。
调用许多不同的过程来处理这类问题也是SAS的一个特点,例如进行图形描述时,可以借助ARIMA模型本身的图形输出,也可以借助图形绘制过程的一系列语句(sgplot、graph、ods等)来完成相应图形的描述。
另外,建模过程与预测过程也是分开的,分别使用ARIMA(或AUTOREG等)、FORECAST来完成,那么在最终结果的输出中,往往还是需要其他图形来加以呈现(gplot等),并保存相应的数据以备后续分析。
所以可以看出SAS的时间序列分析,是依靠多个过程的整合,这可能是它的 “弊端”,显的很繁杂,尤其是有许多可调整优化的地方,往往令人头晕目眩,不过也正因此,这也更像它的优点,这样便于整合不同过程的信息,我们知道每个过程所提供的指标,整体来看,极大的非富了时间序列分析。
那么这个过程,其实就体现了SAS程序的特点——每个看起来很独立的语句,与其他语句都有千丝般的联系,最后看起来盘根错节,不过也许SAS用户能入门后,才能一窥全貌,体会到它的价值所在——几百种语句及其上万种选项的组合,真不知道还有什么做不了的。