時系列イベントのトラブルシューティングに最適なグラフすべて、
インタラクティブなデータツールとしてのJMPの使用を増やすためのワークショップを開発しています。 組織内の多くの人々がこれを使用して継続的なレポートの有用なグラフを作成しているのを見ていますが、トラブルシューティングやデータ探索により効果的に使用できるようにしたいと考えています。時系列データがたくさんあります。 通常のオーバーレイトレンドと散布図行列を超えて、私は変動プロットと並列プロットが好きです。 ARIMAモデルのラグプロットと残差プロットについても説明する予定です。 時系列のデータ探索に使用したい他のプロットはありますか？ありがとう。
Re：時系列イベントのトラブルシューティングに最適なグラフ @a_mitlehner あなたが何を見ているのか、それがあなたが選んだテクニックにどれだけうまく適合しているかについてもっと知らなくても、私は標準の残差プロットから始めて、あなたが使っている方法論の基礎となる仮定が満たされていることを確認することをお勧めします。個人的には、時系列は少し制限的であり、非周期的な変化を捕捉するためのアドホックな差分と伝達関数の適用を必要としています。複数のシリーズで作業している場合、ニューラルネットワークまたはFDEを使用して、一般的な傾向に適合しないか、基になるモデルに適合しない曲線を見つけることについてはどうでしょうか。おそらく、残差を保存し、それらを時間または外生入力の関数として見ることにより、時系列で同じことを行うことができます。
Re：時系列イベントのトラブルシューティングに最適なグラフバブルプロットは良いものかもしれません。
私が提案するもう1つは、データが月次または四半期ごとの場合、X11分解法を適用して、傾向と周期/季節成分を抽出およびプロットできることです（以下の例を参照）。X11は、JMPのTime Seriesプラットフォームで使用できます。（ https://www.jmp.com/support/help/en/15.2/#page/jmp/differencing-and-decomposition.shtml#ww545636 ）
X11に慣れていない場合は、レコーディングがあります https://www.jmp.com/en_us/events/ondemand/mastering-jmp/time-series-analysis-and-forecasting.html
