使用SAS进行时间序列分析的过程，与其他软件区别甚微，主要是通过不同语句完成预分析、建模、报告过程，这个流程大体相同，唯一区别的地方是，SAS提供可供调整的参数很多，当然在SAS中，所借助的分析语句或过程是很多的。
调用许多不同的过程来处理这类问题也是SAS的一个特点，例如进行图形描述时，可以借助ARIMA模型本身的图形输出，也可以借助图形绘制过程的一系列语句（sgplot、graph、ods等）来完成相应图形的描述。
另外，建模过程与预测过程也是分开的，分别使用ARIMA（或AUTOREG等）、FORECAST来完成，那么在最终结果的输出中，往往还是需要其他图形来加以呈现（gplot等），并保存相应的数据以备后续分析。
所以可以看出SAS的时间序列分析，是依靠多个过程的整合，这可能是它的 “弊端”，显的很繁杂，尤其是有许多可调整优化的地方，往往令人头晕目眩，不过也正因此，这也更像它的优点，这样便于整合不同过程的信息，我们知道每个过程所提供的指标，整体来看，极大的非富了时间序列分析。
那么这个过程，其实就体现了SAS程序的特点——每个看起来很独立的语句，与其他语句都有千丝般的联系，最后看起来盘根错节，不过也许SAS用户能入门后，才能一窥全貌，体会到它的价值所在——几百种语句及其上万种选项的组合，真不知道还有什么做不了的。
调用许多不同的过程来处理这类问题也是SAS的一个特点，例如进行图形描述时，可以借助ARIMA模型本身的图形输出，也可以借助图形绘制过程的一系列语句（sgplot、graph、ods等）来完成相应图形的描述。
另外，建模过程与预测过程也是分开的，分别使用ARIMA（或AUTOREG等）、FORECAST来完成，那么在最终结果的输出中，往往还是需要其他图形来加以呈现（gplot等），并保存相应的数据以备后续分析。
所以可以看出SAS的时间序列分析，是依靠多个过程的整合，这可能是它的 “弊端”，显的很繁杂，尤其是有许多可调整优化的地方，往往令人头晕目眩，不过也正因此，这也更像它的优点，这样便于整合不同过程的信息，我们知道每个过程所提供的指标，整体来看，极大的非富了时间序列分析。
那么这个过程，其实就体现了SAS程序的特点——每个看起来很独立的语句，与其他语句都有千丝般的联系，最后看起来盘根错节，不过也许SAS用户能入门后，才能一窥全貌，体会到它的价值所在——几百种语句及其上万种选项的组合，真不知道还有什么做不了的。
