综合自回归移动平均(AR诔罨租磊IMA)预测为指定的时间序列可以预测多达150个值。执行12阶差分后，食品雇佣情况数据的ACF和PACF（阄唰辔腽请参见自相关示例和偏自相关示例）建议使用1阶（即AR(1)）自回归模型。在此拟合该模型，检查诊断图并检查拟合优度。要执行12阶的差分，请将季节周期指定为12，并将差分的阶数指定为1。在接下来的示例中，执行预测。
工具/原料
Minitab17
服务处所.MTW
方法/步骤
1、打开工作表“服务处所.MTW”。
2、左键单击菜单栏选择统计--->时间序列--->综合自回归移动平均(ARIMA)。
3、在序列项下，输入食品，选中拟合季节模型。在周期中，输入12。在非季节下的自回归淘篱跬翎中输入1。在季节下的差分中输入１，单击图形。选中残差的ACF和残差的PACF，在每个对话框中单击确定。
4、按Ctrl+E,单击图形。选中时间序列图。单击确定。
5、单击预测。在预测点数中，输入12。在每个对话框中单击确定。
6、我们得出以下结果：
7、解释结果：ARIMA使用AR(1)模型在会话窗口和图形窗口中给出置信限为95%的预测。季节因素决定未来12个月的预测情况，且预测值比前12 个月稍高。