285785_zh-CN

liliconcom

时间序列分析和预测

 

了解如何：

• 了解并实施JMP用于时间序列分析的Box-Jenkins方法论
• 建立ARIMA（自回归集成移动平均）模型，确定它们是否足够，比较模型并修改模型
• 使用差分法转换数据，差分法是JMP中内置的一种方法，用于计算连续观测值之间的差异，以使时间序列固定，以便可以对其建模并用于预测
• 保存包含预测数据的表

 

 

了解如何：

• 建立季节性ARIMA模型，以处理季节成分，随时间变化的数据不断增加或具有需要数据转换的增长模式的数据
• 了解JMP如何计算ARIMA模型
• 指定季节性自回归阶，季节性微分阶，季节性移动平均阶和每个季节的周期数

 

 

了解如何：

• 在构建模型的时间序列中发生干预（例如政策更改或市场营销努力）时，请使用传递函数
  • 建立一个考虑了干预的ARIMA-X和ARIMA模型
  • 建模和预测干预以二进制形式显示（1表示是，0表示否）
  • 使用“传递函数”选项和JMP的“交互式预测”可根据输入更改动态修改预测。
• 使用X-11分解功能，使用美国人口普查局开发的X-11方法消除趋势和季节影响
• 了解JMP中可用的快速预测的平滑方法（简单指数，双指数，线性指数，阻尼趋势线性指数，季节性指数和Winters方法）

资源资源

• 介绍和应用时间序列概念的材料。 由宾夕法尼亚大学沃顿商学院的Bob Stine教授提供。

16-30分钟31+分钟6-15分钟时间序列视频