81736_es-ES

liliconcom

Estandarización de las series de tiempo en bruto en JMP

Queridos todos, 

 

Me gustaría estandarizar mis series de tiempo en bruto con una función spline de 32 años. ¿Cómo puedo hacer en JMP?

Además, me gustaría saber cómo podría obtener los índices estadísticos de EPS y Rbar. Generalmente, estos índices se usan comúnmente en el software ARSTAN para validar la estandarización.

 

Saludos, 

Angelo

Re: Estandarización de las series de tiempo en bruto en JMP

Angello

Una búsqueda en la web del software ARSTAN y EPS, me lleva a este enlace ARSTAN_link que muestra la salida. A partir de esta y otra discusión, parece que ARSTAN es un software especializado que se utiliza para encontrar relaciones de factores ambientales que podrían afectar la vegetación, el crecimiento o el estrés (anillos de árboles), etc.  Este enlace ARSTAN_vs_R_dplr compara los resultados de ARSTAN con el paquete R dplr.  Explica en qué se diferencian. El punto es que ambos programas ayudan a organizar los datos de diferentes fuentes para obtener tendencias a fin de que se puedan establecer relaciones.

Es probable que JMP pueda realizar los análisis que necesite, pero no será una aplicación llave en mano, a menos que alguien haya escrito una aplicación JMP.  A continuación, tengo un script que podría ayudar, pero no será una combinación perfecta. Los datos de respuesta ambiental normalmente tienen múltiples muestras por período de tiempo o ubicación.  El ejemplo que tengo solo tiene un valor por mes, por lo que la secuencia de comandos crea una muestra múltiple por trimestre del año del período, luego usa un ajuste gaussiano (0.25), guarda los pronósticos y los residuos.

 

Como no soy un experto en esta área, esto es todo lo que tengo. Espero que proporcione una dirección para investigar. Tenga en cuenta que si ha usado dplr, puede usar JMP para llamar las rutinas R.

 

Parcela de Predicciones y Residuos de Gama.

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} )}
  )
 )
);