<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />各位，
在我被要求逐周预测 2016 年销售额和最终金额之前，我没有进行任何时间序列分析。
该公司是一家季节性休闲旅游公司（更准确地说是一家度假酒店）。
促销活动于一年中的第 44 周（酒店截止日期）结束，并在酒店截止日期前 73 周开始。
为了使销售数据更符合非季节性年度销售数据，我只采用了过去 52 周的销售数据。
我有一个过去 4 年销售额的数据集。
但我不知道如何塑造数据；柱的时间序列应该选择每年还是每周？
应该选择季节性 ARIMA (0, 1, 1)(0, 1, 1)12 还是季节性 ARIMA (0, 1, 1)(0, 1, 1)52？
或者由于数据被视为年度数据，我是否应该选择 ARIMA？
如何将预测的每周值填充到数据表中？
表格已附上，希望得到任何帮助。
柱的时间序列应该选择每年还是每周？
如果您想预测每周销售额，您应该使用每周数据。 此外，只有四年的数据，因此仅对年度数据进行时间序列分析是不够的。
应该选择季节性 ARIMA (0, 1, 1)(0, 1, 1)12 还是季节性 ARIMA (0, 1, 1)(0, 1, 1)52？
如果季节性模式出现在 52 周的周期内（这似乎在您的数据中显示），则使用 52。
或者由于数据被视为年度数据，我是否应该选择 ARIMA？
请参阅我上面的评论。
如何将预测的每周值填充到数据表中？
首先，在“时间序列”对话框中选择要预测的周期数。 默认值为 25。 对于您的情况，请输入 35（直到 2016 年为止）或更多。其次，在构建季节性 ARIMA 模型后，单击红色三角形并选择保存列或者保存预测公式获取包含预测的新 JMP 表。
http://www.jmp.com/support/help/Modeling_Reports.shtml#104953
我还建议您使用 Log转型您的销售，以确保积极的预测，然后使用 Exp（或 10^）反向变换。
