symbol1 i=join v=none c=blavk; run;
图9 该序列的时序图
通过时序图可以看出，此序列具有曲线趋势，故我们采用曲线来拟合此模型。 预测1995年9月至1997年9月该城市生猪屠宰数量，运行下列程序：
proc forecast data=example8_1 method=stepar trend=3 lead=20 out=out outfull outtest=est; id t; var x;
proc gplot data=out;
plot x*t= _type_ / href=1995.8; symbol1 i=none v=star c=black; symbol2 i=join v=none c=red;
symbol3 i=join v=none c=green l=2; symbol4 i=join v=none c=green l=2; run;
表15 FORECAST过程OUT命令输出数据集图示
表14 FORECAST过程OUTSET命令输出数据集图示
此表可以查看预测过程中相关参数及拟合效果。 这些信息分为三部分：
（4）关于序列的基本信息。序列样本个数、非缺失数据个数、拟合模型自由度、残差标准差。
（5）关玉预测模型的参数估计信息。线性模型的常数估计值、线性模型的斜率、残差自回归的参数估计值。
（6）拟合优度统计量信息。
图10 FORECAST过程预测效果图