平穩時間序列我有一個時間序列（Occ（％職業）與時間戳cfr。 附件中的時間序列模型），其中自相關函數顯示緩慢衰減，表明非平穩性，但 ADF 檢驗均為負值，表明 Occ 時間序列平穩。 哪個標準是正確的？ 我使用 ARMA 和 ARIMA（差分）模型得到了非常好的結果。 考慮到慢衰減自相關函數，我能否評估非差分 (4,2) ARMA 模型是否可靠？ 或者說差異化是必要的嗎？ 備註：只有在兩次差分操作之後 ACF 和 PCF 才變得相似，表明平穩性。 親切的問候弗蘭克
回复：平穩時間序列您好，非常感謝您的意見。 僅供參考，我使用的是 JMP 13.1 版本。
事實上，每日模式是不同的，您的意思是，如果每天的模式都具有特徵（如指紋），那麼可以在差分後為每個模式創建一個預測時間序列模型？ 不幸的是，日常模式可能會受到假期等的干擾，所以我認為這並不總是有效？
我使用測試集（所有新數據）進行了幾次模擬，我的簡單 ARMA (4,2) 模型預測在最多 45 分鐘內表現良好，之後儘管趨勢保持不變，但開始出現強烈偏差。
我對保存的預測公式有疑問：它沒有保存在原始數據表的最後一列中（如 jmp 教程中所述），而是保存在新的“無標題”數據表中？ 你是否也遇到這樣的情況呢？ 至於預測公式本身，() - (數字) 的含義是什麼？那個數字意味著什麼？ 它可以與等式頂部的數字不同嗎？ 問候，弗蘭克
回复：平穩時間序列很抱歉，我沒有時間提出詳細的解決方案。但希望這能提供一些線索：
- 週日的日常模式與一周中的其他日子有很大不同，週五和周六的使用率要高得多。
- 我會嘗試按天創建一個週期並使用偏差模型（刪除週期）。
- 我可能會使用可調節的平滑，我很幸運使用 Trigg & Leech 方法，當偏差很大時調整 lambda，以便它能夠趕上。
當然，您的 R 方會比實際預測更大，因為您正在使用所有數據。 您可能想要採用類似於控製圖的方法。您需要在早期創建基線模式（模型），然後在剩餘期間使用該模型，並且真實的 R 方將基於實際的殘差 - 預測模型中未包含的數據。
最後，我會放置一個監視器（控製圖）來標記模型何時不再能夠很好地預測，特別是如果您需要對不斷升級的使用情況做出快速響應。
您應該發布 JMP 或 JMP PRO 的版本以及操作系統。 對於這種類型的“過程”，有一些新的平台和方法可能比時間序列更有用。
回复：平穩時間序列您好，感謝您的評論和努力澄清平均演變，不尋常的房間佔用模式確實是萬聖節。
我們研究的目標是預測未來 15 - 60 分鐘內的房間佔用水平，因此我們需要保持在 15 分鐘的滯後間隔內，並嘗試構建可靠的時間序列模型。 您正確地提到有很強的每日週期，所以我認為季節性差異是必要的？ 然而這樣做，幾次季節性都沒有消失，真是讓人摸不著頭腦。 更令人驚訝的是，我檢查的所有模型（無論是否有差異）的收益率 R² > 99%！ 好得令人難以置信，這裡的分析是否存在根本性錯誤？
回复：平穩時間序列https://en.wikipedia.org/wiki/Augmented_Dickey%E2%80%93Fuller_test指出“測試中使用的增強迪基-富勒 (ADF) 統計量是負數。 負數越多，對存在單位根的假設的拒絕就越強烈......”零均值 ADF 並不顯著，但這可能是由於數據中的每日週期所致。
我添加了日期、星期幾和一天中的時間列。 下面是按星期幾和一天中的時間劃分的 OCC 變化圖。黑線是一周中每一天的平均模式。注意 2018 年 11 月 1 日有一個不尋常的模式（萬聖節後的第二天）。
回复：平穩時間序列除了我前面的問題之外，我對保存的預測公式的位置也有疑問；我希望它能像其他模型一樣保存在數據表的最後一列中。 在這裡，在時間序列分析中，模型保存在新的“無標題”數據表中？ 這個可以調整嗎？
