[求助]关于ARIMA模型中forecasting with input variables

shiyiming

以下是我自己改进的一段程序，
AO and LS 在下面的程序中是input series , 按照SAS HELP中说的如果没有给定 input series 模型，那么在forecast 期间的需要用到input series 值就取 last actual value。我的理解有错吗？如果没错，下面程序为什么不能得到预测值。但若我在原始的data set 中加入若干缺失值时，就能得到预测值。

请各位高手指点一下！

data b_j_seriesj;
   input x y @@;
   label x = 'Input Gas Rate'
           y = 'Output CO2';
           t=_n_;
cards;
（具体数据不写了）
;

/* model with input series*/
proc arima data=b_j_seriesj;
identify var=y nlag=10 stationarity=(adf);
identify var=x nlag=10 stationarity=(adf);
estimate p=3;     
identify var=y crosscorr=(x) nlag=10 ;
estimate input=(3$ (1,2)/(1) x) plot ;
identify var=y crosscorr=(x) nlag=10 noprint;
estimate p=2 input=(3$ (1,2)/(1) x) plot;
outlier;

data b_j_seriesj1;
set b_j_seriesj;
if _n_=264 then AO=1;
else AO=0;
if _n_>=199 then LS=1;
else LS=0;

proc arima data=b_j_seriesj1;                                 
identify var=x noprint;
estimate p=3 noprint;  
identify var=y crosscorr=(x AO LS) noprint;
estimate p=2 input=(3$ (1,2)/(1) x  AO  LS) plot;
forecast lead=10 id=t out=out;

proc gplot data=out;
plot y*t=1 forecast*t=2 /overlay;
symbol1 c=black i=none v=star;
symbol2 c=red i=join v=none;

run;