所有，
我正在举办一个研讨会，以增加JMP作为交互式数据工具的使用。 我在组织中看到很多人使用它来创建有用的图表以进行持续的报告，但是我希望看到它可以更有效地用于故障排除和数据探索。我们有很多时间序列数据。 除了通常的叠加趋势和散点图矩阵外，我还喜欢变异图和平行图。 我还计划讨论ARIMA模型的滞后图和残差图。 您还想将其他图用于时间序列的数据探索吗？谢谢。
@a_mitlehner 在不了解更多信息的情况下，以及它如何适合您选择的技术之前，我建议您从标准残差图开始，以检查是否满足您所使用的方法论的基本假设。我个人认为时间序列有一定的局限性，需要进行临时微分，并且需要使用传递函数来捕获非周期性变化。如果您正在使用多个序列，那么如何使用神经网络或FDE查找与总体趋势不匹配或基础模型拟合不佳的曲线。通过保存残差并将其作为时间或外生输入的函数，您可能会对时间序列执行相同的操作。
泡泡图可能是一个很好的选择。
我建议的另一种建议是，如果您的数据是每月或每季度X11分解方法可用于提取和绘制趋势和周期/季节成分（请参见下面的示例）。X11在JMP的时间序列平台中可用。（ https://www.jmp.com/support/help/zh_CN/15.2/#page/jmp/differencing-and-decomposition.shtml#ww545636 ）
如果您不熟悉X11，则有录音 https://www.jmp.com/zh_CN/events/ondemand/mastering-jmp/time-series-analysis-and-forecasting.html
