方差估计 0.001986 标准误差估计 0.044559 AIC SBC 残差数 -441.319 -435.569 131 * AIC 和 SBC 不包括对数行列式。
参数估计相关性 参数 MA1,1 MA2,1 MA1,1 1.000 -0.064 MA2,1 -0.064 1.000
残差的自相关检查 至滞后 卡方 自由度 Pr>卡方 6 5.60 12 6.54 18 10.12 24 15.41 自相关 4 0.2312 0.018 0.007 -0.068 -0.074 0.003 0.173 10 0.7684 -0.032 -0.018 0.051 -0.036 0.019 -0.031 16 0.8604 -0.014 0.013 0.082 -0.126 0.023 -0.018 22 0.8440 -0.064 -0.082 0.029 -0.001 0.137 0.052
变量“xlog”的模型 差分期间
在该模型中没有均值项。 移动平均因子 因子 1: 1 - 0.50275 B**(1) 因子 2: 1 - 0.52993 B**(12) 1,12 参数估计的t值为6.58和5.54（较大），故要保留。拟合优度统计量表中给出了残差序列的方差、标准误差，以及按AIC和SBC标准计算的统计量，这两个值较小，表明对模型拟合得较好。
另外从-441.3195<-438.08143，-435.56911<-426.58065可看出本次拟合的ARIMA(0,1,1)×(0,1,1)12模型比上次拟合的模型要好。
估计值之间的相关系数为-0.064，这是一个较小的相关系数，如果这个相关系数较大时，就需要考虑是否删除其中一个参数。
对模型拟合后残差为白噪声原假设进行检验，延迟6期和12期的QLB统计量分别为5.60和6.54，相应p值=0.2312和0.7684>α=0.05，
故不能拒绝拟合模型的残差为白噪声，说明这个拟合模型，延迟数小于等于6期和12期的所有残差自相关系数为零，即残差中蕴涵信息已经完全被提取出来了。
最后将表中移动平均MA的两个因子（1-0.50275B）和（1-0.52993B12）代入ARIMA(0,1,1)×(0,1,1)12模型得到：
其中，Z=log(xt).
以下变量的预测:xlog 观测 预测 标准误差 95% 置信限 0.0446 6.0114 6.1861 0.0498 5.9439 6.1390 0.0545 6.0505 6.2640 0.0588 6.0728 6.3033 0.0628 6.0984 6.3448 0.0666 6.2264 6.4876 0.0702 6.3590 6.6343 0.0736 6.3474 6.6360 0.0769 6.0588 6.3602 0.0800 6.0410 6.3547 0.0830 5.8887 6.2142 0.0859 5.9872 6.3241 145 6.0987 146 6.0415 147 6.1573 148 6.1881 149 6.2216 150 6.3570 151 6.4967 152 6.4917 153 6.2095 154 6.1979 155 6.0515 156 6.1556
预测今后一年（12期）国际航线各个月度的旅客人数，结果存在数据集forxlog中：
144 DEC60 6.06843 6.05720 0.044559 5.96987 6.14453 0.01123 145 JAN61 146 FEB61 147 MAR61 148 APR61 149 MAY61 150 JUN61 151 JUL61 152 AUG61 153 SEP61 154 OCT61 155 NOV61 156 DEC61 . 6.09873 0.044559 6.01139 6.18606 . 6.04148 0.049764 5.94395 6.13902 . 6.15726 0.054474 6.05049 6.26403 . 6.18807 0.058808 6.07281 6.30333 . 6.22160 0.062843 6.09843 6.34477 . 6.35699 0.066635 6.22638 6.48759 . 6.49668 0.070222 6.35904 6.63431 . 6.49172 0.073635 6.34740 6.63604 . 6.20952 0.076896 6.05880 6.36023 . 6.19788 0.080025 6.04104 6.35473 . 6.05147 0.083035 5.88873 6.21422 . 6.15565 0.085941 5.98720 6.32409 . . . . . . . . . . . .
最后，将xlog预测值转换为原来的x值，并绘制带上下95%置信度线的原始数据线和预测数据线的时间序列图。
代码：
procgplotdata=arimad04;
where date>='1jan57'd;
plot x*date forecast*date l95*date u95*date /overlayvaxis=axis1 haxis=axis2 href='31dec60'd ;
symbol1i=join v=Ch=2.5l=1font=swissbc=red; symbol2i=join v=F h=3l=1font=swissbc=blue; symbol3i=join l=1font=swissbc=green; symbol4i=join l=1font=swissbc=green;
axis1label=('Passenger') order=(250to800by50);
axis2label=('Month') order=('1jan57'dto'1jan62'dby year);
format datemonyy. ; title1'Forecast Chart'; title2'C--x';
title3'F--forecast';
title4'None--u95 and l95'; run;
运行结果：