使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)級別：高級
工作職能：分析師/科學家/工程師
Jian Cao，SAS 的 JMP 部門首席系統工程師
最佳邀請論文入圍
當時間序列因干預（例如流程變更）而中斷時，如何建模和預測？ 如果您有領先指標或其他外生變量，您如何將它們納入您的 ARIMA 模型以做出更好的預測？
在本文中，我將嘗試通過關鍵用例揭開 JMP 中傳遞函數模型的神秘面紗：ARIMA 誤差回歸、分佈式滯後模型和乾預模型。 我將展示使用傳遞函數相對於普通最小二乘回歸和 ARIMA 構建更好的預測模型的好處。
峰會最佳爆發數據探索預測建模回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)健，抱歉回复晚了，感謝您的評論和輸入，對我幫助很大。 使用帶有 ARMA 殘差模型的神經時間序列模型，我得到了最終的 R² = 99% 預測模型！
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)坦率，
第一個時間段 t=1 的預測是截距或 0（如果您選擇無截距 ARMA 模型）。 從 t=2 開始，JMP 使用特殊版本的卡爾曼濾波器來生成預測。 統計細節可以在 Box & Jenkins 等人的書中找到時間序列：預測和控制在第 7.4 節“基於狀態空間模型的似然函數”。
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)嗨健，感謝您的幫助，對於模糊傳遞函數選項的誤報，很抱歉，沒關係，我輸入錯誤..
我很好地 (R² = 0,92) 對殘差真實職業建模 - 使用季節性 ARMA 模型建模職業，所以現在我可以進一步處理傳遞函數。
但是，我對使用保存的 ARMA 時間序列預測公式的數據表中的 ARMA 殘差預測有疑問：我注意到預測殘差與實際殘差位於同一行，即相同的時間間隔？ 由於 ARMA 公式是基於過去的殘差 Y (Yt-1, Yt-2,.. 我希望在預測殘差列中有許多單元格留空，那麼如何在沒有過去殘差數據的情況下進行 ARMA 殘差估計？ 在此先感謝您的幫助。 坦率
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)奇怪，轉移功能oprion在我的菜單列表中，但它是模糊的，我無法激活它？
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)謝謝，弗蘭克。
傳遞函數選項自 JMP 7 起可用。 啟動帶有輸出和輸入序列的時間序列後，可以從頂部的紅色小三角菜單中選擇它。
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)不錯的介紹！ 我現在嘗試將其應用到我的停車佔用水平建模項目中；使用神經網絡，我實現了一個不錯的 R² o 0,96，但是殘差不是隨機的，可以使用季節性 ARMA (4,0,5) (0,0,1)6 模型進行建模。 所以我現在想建立一個停車佔用的傳遞函數，將神經網絡模型和 ARMA 剩餘模型作為輸入；我很驚訝地發現轉移模型選項沒有激活？ 是不是做錯了什麼？ 我使用的是常規 JMP 13.2 版本。
回复：使用傳遞函數構建更好的預測模型 (2019-EU-30MP-089)非常好的作品！ 感謝所有嘗試使用 JMP 和 SAS ETS 教授預測“多變量”模型的老師。
