? outex——把在arima处理过程中预测的观察加到out=输出数据集中；
（5）arima语句及可选项
X-11方法用一系列中心化滑动平均来估计季节成分，但在起始和结尾处只能用非对称权重。非对称权重可导致季节因子估计不准，有了新数据以后就可能造成大的更改。加拿大统计局开发了一种X-11-ARIMA方法来处理该问题。使用arima语句，就是对在var语句中指定的序列应用X-11-ARIMA方法。
该方法从原始数据估计一个arima模型（使用用户指定的模型，或者通过五个预先定义的arima模型中选择一个最优的），然后用此模型把序列外推一年或几年。再根据这个延长了序列进行季节调整，此时原序列的尾部就可用对称权重了。
? backcast＝n——指定序列反向外推的年数，默认为0；
? chicr＝值——指定Box-Ljung拟合不足卡方检验时所用的显著水平值，默认为0.05。原假设为预定的模型（共5个）无拟合不足； ?forecast＝n——指定预报的年数，默认为1；
? mape＝值——指定平均相对误差的临界值，取值在1到100之间，默认为15。mape值作为接受还是拒绝一个模型的临界值。模型的mape值小于临界值说明模型可用，反之模型被拒绝。
mape值的计算公式如下：
其中，n=36（最后三年的月数）或12（最后三年的季度数），xt为原始序列的最后三年的观察值。
? maxiter＝n——指定估计过程最多允许的迭代次数，n取值为1到60之间，默认为15；
? method＝cls | uls | ml——指定估计方法，分别为条件最小二乘法、无条件最小二乘法、最大似然估计；
? model＝(P=n1 Q=n2 SP=n3 SQ=n4 DIF=n5 SDIF=n6)——指定arima模型。P和SP表示一般的和季节的自回归过程（AR）阶数；Q和SQ表示一般的和季节的移动平均过程（MA）阶数，DIF和SDIF表示一般的和季节的差分阶数；季节s=12（对应monthly）或4（对应quarterly）。
例如，指定一个(0,1,1)(0,1,1)s模型，表示(P,DIF,Q)(SP,SDIF,SQ)s模型。假设考虑月度序列s=12，且E(xt)=μ，则具体模型形式为：
? ovdifcr＝值——指定对5个预先定义模型进行过度差分检验时所用的临界值。取值范围在0.8到0.99之间，默认为0.9。五个模型都有一个季节MA因子，最多两个非季节因子（模型2、4、5）。有季节差分和非季节差分。以模型2例，那么具体模型形式为：
若θ3=1，则等式两边可以消去(1-B12)项，得到低阶模型。类似地，如果θ1+θ2=1，则又可以消去(1-B)项，得到低阶模型。因为参数估计必定有误差，要求小于1是不合理的。因此，过度差分检验的要求为：
θ3≤0.9 且θ1+θ2≤0.9
大于0.9应拒绝此模型。
? transform＝(log) | (a**b)——允许在对模型进行估计之前先进行用户指定的一些变换，产生预报值后再变换回原来的取值。(log)是自然对数变换，(a**b)是乘方变换：xt=(xt+a)b.
（6）macurves语句
该语句只适用于月度数据，为任一月份指定估计季节因子：月份
=选项值。例如：
macurvesjan=’3’ feb=’3x5’ mar=stable;
’3’——3期移动平均；
’3X3’、’3X5’、’3X9’——3×3、3×5（移动平均,5期移动平均再做3次移动平均）3×9移动平均；
’stable’——所有值的平均值作为恒定的季节因子；
（7）monthly语句
月度时间序列数据集必须使用monthly语句。主要选项为： ? additive——指定进行加法模型季节调整。默认为乘法模型； ? charts＝standard | full | none——指定生成的图表类型。默认为standard，生成12月度季节性图表和趋势起伏图表；full选项，还额外输出不规则项和季节因子的图表；none选项，不输出任何图表；
data＝日期变量名start=mmmyyend＝mmmyy——指定要处理的部分时间序列数据的起止时间，例如：
monthly date=date start=jan90 end=dec99;
exclude=值——在交易日回归时把偏离均值超过指定值倍数的标准差的不规则值排除在外。取值在0.1到9.9之间，默认为2.5；
pmfactor=月份因素变量——用于调整已经知道特殊原因的月份数据，例如，某公司2005年1月份罢工，销售额sales比往常下降了约50%，这是一个原因已知的一次性事件，应该预先修正该月份的销售额，才能排除罢工的影响。在原时间序列数据集中设置一个反映月份因素的新变量x，其他月份的新变量x值都设定为100，即sales=sales/x×100=sales（销售额不用调整）；2005年1月份的新变量值x设定为50，即sales=sales/x×100=2×sales，销售额还原成经验值，示例：
monthly date=date pmfactor=x;
?fullweight=值——设定观察值距离均值小于指定值倍数的标准差，将赋予观察值的权数为最大值1。缺省值为1.5。
? zeroweight=值——设定观察值距离均值大于指定选项值倍数的标准差，将赋予观察值的权数为最小值0。缺省值为2.5。选项zeroweight=的值必须大于选项fullweight=的值。观察值距离均值落入fullweight=值和zeroweight=值之间，将被赋予0到1之间的一个线性分级的权重值。
?printout=standard | long | full | none——指定打印哪些表格。
（8）quarterly语句
季度时间序列数据集必须使用quarterly语句，其主要选项和用法与monthly类似。季度时间值的格式为：1999年第一季度为’99Q1’。