81736_it-IT

liliconcom

Standardizzazione delle serie temporali non elaborate in JMP

Carissimi, 

 

Vorrei standardizzare le mie serie temporali crude usando una funzione spline di 32 anni. Come posso fare in JMP?

Inoltre, mi piacerebbe sapere come potrei essere in grado di ottenere gli indici statistici EPS e Rbar. Generalmente, questi indici sono comunemente usati nel software ARSTAN per convalidare la standardizzazione.

 

Saluti, 

Angelo

Ri: Standardizzazione delle serie temporali non elaborate in JMP

Angello,

Una ricerca sul web del software ARSTAN e EPS, mi porta a questo link ARSTAN_link che visualizza l'output. Da questa e da un'altra discussione sembra che ARSTAN sia un software specializzato utilizzato per trovare relazioni di fattori ambientali che potrebbero influenzare la vegetazione, la crescita o lo stress (anelli degli alberi), ecc.  Questo link ARSTAN_vs_R_dplr confronta i risultati ARSTAN con il pacchetto R dplr.  Spiega come differiscono. Il punto è che entrambi i programmi aiutano ad organizzare i dati da diverse fonti per ottenere le tendenze in modo che le relazioni possano essere stabilite.

È probabile che JMP possa eseguire le analisi necessarie, ma non sarà un'applicazione chiavi in mano, a meno che qualcuno non abbia scritto un'applicazione JMP.  Di seguito, ho uno script che potrebbe aiutare, ma non sarà una corrispondenza perfetta. I dati di risposta ambientale in genere hanno più campioni per periodo di tempo o posizione.  L'esempio che ho ha solo un valore al mese, quindi lo script crea un campione multiplo per trimestre dell'anno, quindi utilizza un adattamento gaussiano (0,25), salva i pronostici e i residui.

 

Poiché non sono un esperto in questo settore, questo è tutto ciò che ho. Spero che fornisca una direzione da investigare. Nota, se hai usato dplr, puoi usare JMP per richiamare le routine R.

 

Traccia di portata dei predicati e dei residui

Names Default to Here(1);

dt = Open("$sample_data\time series\steel shipments.jmp");

dt << New Column("YearQtr", numeric, Formula(Col Mean(:Date,Year(:Date), Quarter(:Date))),
  Format("yyyyQq"));

biv = Bivariate(
 Y( :Steel Shipments ),
 X( :YearQtr ),
 Fit Each Value( {Line Color( {66, 112, 221} )} ),
 Kernel Smoother( 1, 4, 0.25, 0 )
);

biv << (curve[2] << Save Predicteds );
biv << (curve[2] << Save Residuals );


biv << (curve[2] << Line Color("Medium Dark Red") );
biv << (curve[2] << Line Width(3) );


gb = dt << Graph Builder(
 Size( 534, 454 ),
 Show Control Panel( 0 ),
 Variables(
  X( :YearQtr ),
  Y( :Residuals Steel Shipments ),
  Y( :Predicted Steel Shipments )
 ),
 Elements(
  Position( 1, 1 ),
  Points(
   X,
   Y,
   Legend( 14 ),
   Summary Statistic( "Mean" ),
   Error Bars( "Range" )
  ),
  Line( X, Y, Legend( 15 ) )
 ),
 Elements(
  Position( 1, 2 ),
  Points( X, Y, Legend( 9 ) ),
  Line( X, Y, Legend( 12 ) )
 ),
 SendToReport(
  Dispatch(
   {},
   "400",
   ScaleBox,
   {Legend Model( 14, Base( 1, 0, 0, Item ID( "Range", 1 ) ) ),
   Legend Model(
    9,
    Base( 0, 0, 0, Item ID( "Predicted Steel Shipments", 1 ) )
   )}
  ),
  Dispatch(
   {},
   "Graph Builder",
   FrameBox,
   {Grid Line Order( 2 ), Reference Line Order( 3 )}
  ),
  Dispatch(
   {},
   "400",
   LegendBox,
   {Legend Position( {14, [-3, -1], 15, [2], 9, [0], 12, [1]} ),
   Position( {-3, -1, 2, 0, 1} )}
  )
 )
);