1. 通过SAS编程进行预测 (FETSP)培训
   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.
   预测简介
   时间序列和预测
   SAS预测软件介绍
   评估拟合优度和准确性
   平稳时间序列预测模型
   平稳时间序列简介
   自回归模型
   PACF和IACF详细技术说明（自学）
   移动平均模型
   未观察到移动平均模型组件的估计（自学）
   混合自回归移动平均模型
   确定适当的自回归移动平均模型
   估计和预测方法
   Box-Jenkins模型的替代模型
   非平稳时间序列的预测模型
   趋势和季节性的统计检验
   趋势模型
   季节模型
   Box-Jenkins模型的替代模型
   预测航空公司乘客时间序列
   探索性变量的预测模型
   一般回归模型
   事件模型
   时间序列回归模型
   预测的数据准备
   处理日期
   处理时间标识的数据
   读取和修改时间序列数据
   处理唯一、特定日期或频数
   注意事项：
   必备条件:
           参加本课程前，你应该有使用SAS输入或者转换数据和执行基本分析的经验，例如计算行列总数和平均值、生成图表。你可以通过完成《SAS Programming 1: Essentials》（《SAS编程 1: 基础》）和《SAS Programming 2: Data Manipulation Techniques》（《SAS编程2：数据处理技术》）获得这些经验。SAS宏语言编程的知识对学习本课程有帮助，但不是必需。没有数据分析和统计建模经验的学生可以通过《Statistics 2: ANOVA and Regression》（《统计2：方差分析和回归》）课程获得这些预备知识。
2. 
    
3. 
    
4. 
    
    
    
    
5. 
    
    
    
    
6. 
      
7. 
   
8. 
    
9. 
    
    
10. 
     
     
11. 
    
    

"