时间序列平台上的JMP®16更新（2021-EU-45MP-745）级别：中级
刘鹏，JMP首席研究统计员，SAS
曹健，SAS JMP首席系统工程师
本演讲将提供对两个时间序列相关平台中主要更新的全面回顾。 更具体地说，更新包括基于预测性能的模型选择方法，用于研究最近添加的状态空间平滑模型的增强功能以及使用Box-Cox转换时间序列的分析功能。 我们将解释开发工作背后的动机，以帮助确定新功能的有趣用例。 我们将提供一些示例来说明如何使用这些新功能的许多可能性。 JMP 16代表时间序列平台的重大升级。 配备了新功能的JMP为时间序列分析中许多有趣的新发现打开了大门。
自动产生的笔录...
扬声器 | 成绩单 |
| 这次演讲是为了强调一些 |
| 00 | 11.600 |
| 3 |
| 时间序列平台。 三是 |
| 从时间序列平台和 |
| 00 | 34.700 |
| 38.400 |
| 10 |
| 11 |
| 12 |
| 我们需要Box Cox吗 |
| 转换的时间序列？ |
| 让我们看一下数据 |
| 00 | 00.933 |
| 06.200 |
| 18 |
| 也称为航空公司 |
| 旅客数据集。 |
| 原来的系列是 |
| 00 | 23.900 |
| 23 |
| 模特从。 |
| 为什么？ 让我们来看看一个情节... |
| 00 | 43.433 |
| 27 |
| 越来越大。 而这个系列 |
| 无法由 |
| 00 | 01.666 |
| 31 |
| 在第二张图片中。 所以 |
| 变化不会改变 |
| 与各种时间系列？？？ |
| 00 | 20.266 |
| 36 |
| 所以在文学中人们会 |
| 说，好吧，我们将转型 |
| 00 | 33.800 |
| 38.700 |
| 41 |
| 42 |
| 43 |
| 在这种情况下， |
| 这是对数刻度。 |
| 反向发送 |
| 00 | 04.366 |
| 49 |
| 变形。 |
| 过去...过去 |
| 00 | 21.966 |
| 53 |
| 简化整个过程。 |
| 你需要做的就是放 |
| 00 | 39.133 |
| 57 |
| 需要做模型，制作 |
| 预测，然后是软件， |
| 00 | 55.933 |
| 61 |
| 将原木乘客带入Y， |
| 但现在我们不必这样做。 我们 |
| 00 | 15.033 |
| 66 |
| 进入Box Cox |
| 转换参数Lambda。 |
| 零，这意味着它是一个日志 |
| 00 | 28.333 |
| 31.166 |
| 37.433 |
| 73 |
| 红色三角形菜单，然后单击 |
| ARIMA或季节性ARIMA。 |
| 00 | 01.766 |
| 78 |
| 季节性部分为12。 |
| 没有拦截。 点击 |
| 00 | 19.633 |
| 22.933 |
| 24.500 |
| 28.733 |
| 85 |
| 86 |
| 预测照顾 |
| 逆变换。 这 |
| 00 | 49.600 |
| 91 |
| 将在此显示。 |
| 情节和预测有 |
| 00 | 05.033 |
| 08.800 |
| 11.100 |
| 17.866 |
| 98 |
| 模特是时间的主力军 |
| 系列预测平台。 |
| 他们可以适应并预测很多 |
| 00 | 35.733 |
| 39.633 |
| 104 |
| 性能在某种程度上是可比的 |
| 进行预测 |
| 00 | 59.366 |
| 110 |
| 111 |
| 研究为什么...为什么这种类型 |
| 模型的工作原理，以及为什么有些 |
| 00 | 18.600 |
| 115 |
| 116 |
| 将模型输入时间序列 |
| 设计用于 |
| 00 | 43.900 |
| 120 |
| 未知的功能 |
| 状态，未观察到的状态。 在这里 |
| 00 | 01.000 |
| 124 |
| 变量和误差项 |
| 通过任一加法运算 |
| 00 | 16.266 |
| 19.200 |
| 129 |
| 130 |
| 状态是级别状态时间 |
| 系列。趋势状态形成一个 |
| 00 | 40.733 |
| 134 |
| 135 |
| 状态，也是其中之一 |
| 以前的季节性状态。 和 |
| 00 | 59.733 |
| 03.133 |
| 140 |
| 141 |
| 先前的趋势状态将 |
| 调到下一个。 |
| 趋势状态和水平状态 |
| 00 | 25.966 |
| 146 |
| 指向另一个时间点。 和 |
| 还有更多的箭头...那里 |
| 状态过渡多于现状 |
| 00 | 49.700 |
| 152 |
| 系列转换为Y，然后单击确定。 |
| 为了适合此类模型，我们 |
| 00 | 12.300 |
| 16.766 |
| 160 |
| 161 |
| 设置，我要输入12 |
| 期间。 |
| 我要点击“选择” |
| 推荐按钮。 |
| 从附加误差模型和 |
| 00 | 47.666 |
| 169 |
| 这个特殊的设置，我要去 |
| 单击约束参数 |
| 00 | 05.966 |
| 173 |
| 推荐的模型适合这些 |
| 这些时间序列的类型和 |
| 00 | 23.666 |
| 27.966 |
| 179 |
| 180 |
| 具有较小AIC的模型 |
| 我的眼睛在前两个 |
| 00 | 52.300 |
| 184 |
| 楷模。让我 |
| 覆盖预测 |
| 00 | 09.366 |
| 10.566 |
| 17.666 |
| 190 |
| 191 |
| 192 |
| 193 |
| 从原始时间序列 |
| 更好。 |
| 所以我愿意 |
| 00 | 45.133 |
| 198 |
| 区别？ 我打开 |
| 第一个MAA ... MAM。 |
| 让我们往下面走。 这 |
| 00 | 05.533 |
| 10.666 |
| 204 |
| 这个 | 组件状态。 |
| 这是特别的 |
| 00 | 32.900 |
| 209 |
| 第一个字母。 |
| 趋势是通过 |
| 00 | 50.233 |
| 213 |
| 本报告的第二部分是 |
| ...是国家的组成部分 |
| 00 | 06.100 |
| 217 |
| 部分是对 |
| 这种特定的状态。 |
| 时间序列的周期 |
| 00 | 27.500 |
| 222 |
| 223 |
| 在不断增加的模式 |
| 过去。 不断增加 |
| 00 | 48.266 |
| 227 |
| 系列和模式继续 |
| 走向未来 |
| 00 | 03.466 |
| 231 |
| 观察到，但预测是 |
| 平坦的。这困扰着我。 |
| 现在让我们看第二 |
| 00 | 17.333 |
| 20.366 |
| 23.566 |
| 27.933 |
| 239 |
| 240 |
| 状态分量图。 级别是 |
| 过去增加了 |
| 00 | 44.366 |
| 48.466 |
| 245 |
| 246 |
| 247 |
| 248 |
| 未来。这样比较合理 |
| 我可以接受的情节。 是吗 |
| 00 | 14.866 |
| 252 |
| 转到第二张幻灯片。 |
| 这张幻灯片，然后下一张 |
| 00 | 45.100 |
| 259 |
| 在解释预测上 |
| 从这个模型...这种类型的 |
| 楷模。在这里我想 |
| 00 | 01.933 |
| 07.233 |
| 265 |
| 向上。我在这里列出了一半。 |
| 哦，差不多一半。 所以我们集中精力 |
| 00 | 27.033 |
| 30.800 |
| 271 |
| 一些增长趋势，并将 |
| 逐渐减小。 |
| 另一方面，我们可以 |
| 00 | 54.233 |
| 277 |
| 从预测中看到使用此 |
| 类型模型。 如果是季节性 |
| 不参与。 当我 |
| 00 | 11.066 |
| 14.200 |
| 19.566 |
| 284 |
| 285 |
| 286 |
| 第一个是 |
| 如果季节性因素，则进行统一的预测 |
| 00 | 46.833 |
| 51.266 |
| 291 |
| 线性增加 |
| 模式等等 |
| 与其他人相似。 现在 |
| 00 | 06.800 |
| 12.566 |
| 297 |
| 它只是增加。 |
| 应用后 |
| 00 | 34.033 |
| 302 |
| 的乘法季节性 |
| 我们的增长之巅 |
| 00 | 48.966 |
| 306 |
| 这种...不同类型的 |
| 形状 | 平坦的 |
| 00 | 05.666 |
| 10.733 |
| 311 |
| 312 |
| 我们得到了不同...不同 |
| 形状。所以我重新进入??? |
| 00 | 33.466 |
| 40.433 |
| 318 |
| 我们最终看到的 |
| 预测。 |
| 您有扁平图案或 |
| 00 | 00.733 |
| 323 |
| 参数。所以我分开了 |
| 这些部分，我 |
| 00 | 14.866 |
| 20.400 |
| 328 |
| 329 |
| 330 |
| 趋势通常看起来平淡， |
| 我们会增加 |
| 模式处于水平状态。 |
| 当它是线性的 |
| 当它弯曲时。 |
| 一切都取决于这 |
| 00 | 52.233 |
| 57.666 |
| 339 |
| 在增加或减少 |
| 指数级。 所以这是 |
| 00 | 13.466 |
| 343 |
| 苗条并且认为它是 |
| 复合利率 |
| 如果水平状态增加 |
| 00 | 32.466 |
| 348 |
| 他们做出预测，他们试图... |
| 尽量不要过冲 |
| 或低于预测 |
| 00 | 59.833 |
| 355 |
| 怎么解释 |
| 国家的预测 |
| 00 | 20.133 |
| 359 |
| 第二个，这些都不是 |
| 模型是固定的。 他们是 |
| 00 | 37.466 |
| 364 |
| 因此，如果您正在考虑这些 |
| 时间序列。 事物 |
| 00 | 55.566 |
| 59.600 |
| 369 |
| 第三，如果你只是看到 |
| 那个时间序列不 |
| 00 | 12.000 |
| 373 |
| 374 |
| 结果... |
| 下一张适合的幻灯片 |
| 00 | 31.933 |
| 378 |
| 跨类型比较 |
| 模特要小心。 |
| 这张幻灯片显示了如何... |
| 00 | 51.800 |
| 383 |
| 是预测。 |
| 同样，我绘制了 |
| 00 | 07.400 |
| 387 |
| 应用这些类型的状态空间 |
| 将模型平滑到平稳 |
| 时间序列？ 我在这里模拟 |
| 00 | 32.633 |
| 393 |
| 394 |
| 395 |
| 该时间序列的模型 |
| 最好的模型原来是 |
| 00 | 54.266 |
| 399 |
| 400 |
| 相当不同，因为它是 |
| 随机游走模型和 |
| 00 | 13.466 |
| 16.466 |
| 18.733 |
| 22.333 |
| 408 |
| 此演示文稿中的功能 |
| 保留的预测。 |
| 此功能可让您 |
| 00 | 37.966 |
| 40.500 |
| 45.833 |
| 415 |
| 416 |
| 417 |
| 418 |
| 一个来自另一个模型。 |
| 然后您可以比较这些 |
| 00 | 11.833 |
| 423 |
| 424 |
| 激活此功能。 然后我 |
| 需要指定 |
| 保留的长度 |
| 00 | 35.200 |
| 38.466 |
| 430 |
| 431 |
| 432 |
| 点击选择推荐， |
| 并检查约束 |
| 00 | 06.433 |
| 438 |
| 439 |
| 系列的一部分， |
| 我们列出了保留 |
| 00 | 26.000 |
| 443 |
| 444 |
| 默认情况下，但是您可以 |
| 始终更改您的指标 |
| 00 | 39.900 |
| 44.866 |
| 449 |
| 报告类似于 |
| 从分析中得到的 |
| 结果不激活此 |
| 00 | 05.433 |
| 454 |
| 455 |
| 让我们让我总结一下 |
| 我们从中学到了什么 |
| 00 | 25.566 |
| 459 |
| 性能超过保留 |
| 数据。但是这些标准是 |
| 00 | 41.366 |
| 463 |
| 过程。我们看到了 |
| 与我们的使用方式不同 |
| 00 | 57.700 |
| 467 |
| 模型拟合的一部分 |
| 过程，所以这是东西 |
| 00 | 17.000 |
| 471 |
| 进行评估 |
| 根据他们的不同型号 |
| 预测效果。 所以我们 |
| 00 | 32.033 |
| 35.366 |
| 478 |
| 列是那个时间序列 |
| 指标。 Y是时间序列 |
| 00 | 55.666 |
| 482 |
| 汇总数据集 |
| 时间或时间序列，由 |
| 00 | 09.533 |
| 12.066 |
| 16.600 |
| 488 |
| 489 |
| 规范或更改 |
| 选型策略，我们 |
| 00 | 39.200 |
| 494 |
| 检查...更改选择 |
| 预测的第一个组合框 |
| 表现。然后我们可以选择 |
| 预测效果 |
| 00 | 04.633 |
| 500 |
| 我们要预测。 但是你可以 |
| 选择任何...更改为任何 |
| 00 | 17.833 |
| 25.466 |
| 30.866 |
| 506 |
| 507 |
| 使用培训 |
| 时间序列，选择最佳 |
| 00 | 49.800 |
| 52.333 |
| 54.766 |
| 57.900 |
| 00.966 |
| 515 |
| 系列平台。 首先分析 |
| Box Cox转换的时间序列。 |
| 第二个是健康状态 |
| 00 | 27.666 |
| 521 |
| 522 |
| 以及使用它作为 |
| 以及型号选择方法。 |
| 非常感谢你。 |
爆发数据探索预测建模回复：时间序列平台中的JMP®16更新（2021-EU-45MP-745）非常好的，有用的演示，解释得很好；用户友好的方法，ARIMA的竞争者！
我有一些工业过程的时间序列，请尝试一下。 我现在有jpm pro 15，但我需要pro 16，对吗？
回复：时间序列平台中的JMP®16更新（2021-EU-45MP-745）@frankderuyck回复较晚，抱歉 。 要获得全部好处，您需要JMP 16。 但是，JMP 15中提供了大多数新的“时间序列预测”功能。“时间序列”和“时间序列预测”平台都是常规的JMP。
