通過SAS編程進行預測 (FETSP)培訓
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.
預測簡介
時間序列和預測
SAS預測軟件介紹
評估擬合優度和準確性
平穩時間序列預測模型
平穩時間序列簡介
自回歸模型
PACF和IACF詳細技術說明（自學）
移動平均模型
未觀察到移動平均模型組件的估計（自學）
混合自回歸移動平均模型
確定適當的自回歸移動平均模型
估計和預測方法
Box-Jenkins模型的替代模型
非平穩時間序列的預測模型
趨勢和季節性的統計檢驗
趨勢模型
季節模型
Box-Jenkins模型的替代模型
預測航空公司乘客時間序列
探索性變量的預測模型
一般回歸模型
事件模型
時間序列回歸模型
預測的數據準備
處理日期
處理時間標識的數據
讀取和修改時間序列數據
處理唯一、特定日期或頻數
注意事項：
必備條件:
???????
參加本課程前，你應該有使用SAS輸入或者轉換數據和執行基本分析的經驗，例如計算行列總數和平均值、生成圖表。你可以通過完成《SAS Programming 1: Essentials》（《SAS編程 1: 基礎》）和《SAS Programming 2: Data Manipulation Techniques》（《SAS編程2：數據處理技術》）獲得這些經驗。SAS宏語言編程的知識對學習本課程有幫助，但不是必需。沒有數據分析和統計建模經驗的學生可以通過《Statistics 2: ANOVA and Regression》（《統計2：方差分析和回歸》）課程獲得這些預備知識。
?
?
?
?
?
?
?
?
?
?
?
合作伙伴與授權機構
849322415
總部李老師
