通过定义日期变量
将新的日期变量选进“时间轴”
通常，时间序列经过两次差分变量就可以得到稳定了。

第一次差分结果，得到期望值不为零；
第二次差分结果期望值大致为零，于是序列得到了平稳。

那么就可以开始做自相关函数和偏自相关函数了。

当期和之后16期的相关系数图，原假设是否为相关系数都为零。

当期序列和滞后十六期的相关系数。

Box-ljung统计量（值、自由度、原假设成立的概率值）
在第一次结尾，不是依序衰减的。

（结合讲义）
Eg:这种情况就有两个K，2或者是4.具体代入哪一个，需要进行检验。

Eg：第2个和第3个都行。

3.互相关的步骤
先试一试，不加上任何对数变换和差分操作。

上图表示，最大互相关系数出现在滞后0处，为0.998.滞后0处的相关同简单的皮尔逊相关市一样的，说明两个变量之间按存在线性相关性。

而横轴上下的两根横
4．利用时间序列进行模型建立。

由于使用专家选项的属于系统自我识别，所以应该自行定义差分自相关（ARIMA条件），会得到可能更为精确合理的结果。

以上为自我手动做出的结果。

（怎样看出比较准确适合）
5.季节分析法
再通过加法模型进行分解
Err为随机误差项，SAS-1为季节校准（调整之后的）序列，SAF-1季节因素指数，季节趋势周期STC-1(STC-1趋势成分+ERR随机成分=季节校准序列SAS-1,SAS-1+SAF=实际的序列变量)。

如果使用的是乘法模型，则使得其更平滑但是加法模型更为直观。

（直接在该分析
界面改成乘法模型就可以了）
看原数据变化就可以知道预测的结果了。

课堂练习：
利用中经网2000-2013年中国GDP 及全社会固定资产投资年度及月度数据，预测2014-2015年中国GDP及全社会固定资产投资年度及月度数据。