我正在尝试对10年的月度时间序列数据进行建模，这些数据非常不稳定，并且总体呈上升趋势。乍一看，它看起来像一个强大的季节性系列，但测试结果表明它绝对不是季节性的。这是一个定价变量，我试图根据宏观经济环境建模，如利率和收益率曲线。 我尝试过线性OLS回归（proc reg），但我没有得到一个非常好的模型。 我也尝试过自回归错误模型（proc autoreg），但它将错误项的7个滞后作为重要因素。我真的不想在模型中包含那么多的误差项滞后。此外，当我在模型中包含所有这些误差滞后时，大多数宏观经济变量都变得无关紧要。
非常感谢任何有关建模方法/技术的建议，这些建议可以帮助我对这些不稳定的数据进行建模。
答案 0 :(得分：1)
在过去的项目中，我们使用proc arima根据过去销售的时间序列预测未来的产品销售情况： http://support.sas.com/documentation/cdl/en/etsug/60372/HTML/default/viewer.htm#etsug_arima_sect019.htm（注意arima也是一个自回归模型）
但正如Joe所说，对于你问题的真实统计反馈，你最好在Cross Validated网站上提问。