JMP 时间序列异常值分析你好，
我想知道 JMP 是否有时间序列异常值分析。 我有一组故障与时间的数据，并且喜欢识别异常值。
谢谢
亚当
高级统计建模数据混合和清理回复：JMP 时间序列异常值分析嗨马克，
感谢您提供使用 PCA 与 IQR 的解释，并指出非线性的重要性。 我尝试了您对内核平滑器的建议并获得了残差，然后对残差进行了离群值分析并获得了离群点。
再次感谢您的帮助和建议。
问候，
亚当
回复：JMP 时间序列异常值分析嗨亚当，
PCA 将考虑沿主成分轴的协方差，而 IQR 则不会。 基本上，这是在多元空间（其中一维是时间）与单变量空间中识别异常值之间的区别。
请注意：如果时间序列中存在大量非线性行为，则 PCA 方法可能无效。 另一种更灵活的方法是使用 Fit Y by X（或 Graph Builder）来拟合分割模型。 从“Fit Y by X Bivariate”菜单中，选择“Flexible”>“Kernel Smoother”。 选择您喜欢的平滑度，然后从图例中局部平滑器旁边的红色三角形中选择保存残差。 然后，您可以对这些残差应用数据过滤器，以使用比使用主成分更灵活的模型来过滤异常值。
问候并保持安全，
标记
回复：JMP 时间序列异常值分析嗨马克，
非常感谢您的快速回复和解决方案。 我听从了你的建议，我可以得到异常值。
PCA 异常值检测与 IQR 分析相比有何优势？ IQR 也发现了相同的异常值。
如果我在 JMP 之外进行 PCA，如何找到异常值？
再次感谢。
问候，
亚当
回复：JMP 时间序列异常值分析嗨亚当，
我会推荐以下内容，并让我知道它是否适合您。
使用主成分平台并输入故障和时间变量作为 Y 变量（两者都需要是数值连续的）。
从 PCA 报告菜单中，选择异常值分析。 显示的 T² 图将为您提供与考虑故障与时间数据结构的多元平均值的距离。 T² 值较高的点可能是异常值（UCL 线上方）。
希望这可以帮助！
标记
