285785_zh-TW

liliconcom

時間序列分析和預測

 

了解如何：

• 了解並實施JMP用於時間序列分析的Box-Jenkins方法論
• 建立ARIMA（自回歸集成移動平均）模型，確定它們是否足夠，比較模型並修改模型
• 使用差分法轉換數據，差分法是JMP中內置的一種方法，用於計算連續觀測值之間的差異，以使時間序列固定，以便可以對其建模並用於預測
• 保存包含預測數據的表

 

 

了解如何：

• 建立季節性ARIMA模型，以處理季節成分，隨時間變化的數據不斷增加或具有需要數據轉換的增長模式的數據
• 了解JMP如何計算ARIMA模型
• 指定季節性自回歸階，季節性微分階，季節性移動平均階和每個季節的周期數

 

 

了解如何：

• 在構建模型的時間序列中發生干預（例如政策更改或市場營銷努力）時，請使用傳遞函數
  • 建立一個考慮了乾預的ARIMA-X和ARIMA模型
  • 建模和預測干預以二進制形式顯示（1表示是，0表示否）
  • 使用“傳遞函數”選項和JMP的“交互式預測”可根據輸入更改動態修改預測。
• 使用X-11分解功能，使用美國人口普查局開發的X-11方法消除趨勢和季節影響
• 了解JMP中可用的快速預測的平滑方法（簡單指數，雙指數，線性指數，阻尼趨勢線性指數，季節性指數和Winters方法）

資源資源

• 介紹和應用時間序列概念的材料。 由賓夕法尼亞大學沃頓商學院的Bob Stine教授提供。

16-30分鐘31+分鐘6-15分鐘時間序列視頻