建立时间预测的预测模型大家好，
请您指导我分析一下：
我有一个 2000-2019 年的结果，该结果基于多个预测变量（a、b、c、d、e）
1-我想创建一个模型来预测 2020 年的结果，其中我拥有 2000 年至 20019 年的所有数据，加上 2020 年 (a、b、c、d、e) 的值，我需要预测上述年份的结果，然后将其与观察值进行比较。
2- 如果没有 2020 年的 (a,b,c,d,e)，如何预测 2020 年的结果？如果我建立一个强大的模型，这是否可行且有效？
注意：我的所有变量都是连续变量
数据探索和可视化视窗回复：建立时间预测的预测模型名字下面有一类模型传递函数模型
此类模型期望您有一系列 Y（您在所有时间点的结果）和一系列输入（您在所有时间点的 a、b、c、d、e 测量值）。
例如你有 y[0], y[1], ..., y[n], y[n+1], 和 a[0], a[1], ... a[n], a[ n+1]，等等。
此类模型可以帮助您预测未来时间 t 的 Y，使用 Y 的过去值和输入的过去与/或当前值。
例如，使用 y[0]、y[1]、...、y[n] 和 a[0]、a[1]、...a[n]、a[ 预测 y[n+1] n+1]，依此类推。
如果你有一个 [n+1]，在未来的某个时间，很好，事情就会顺利进行。
如果你没有a[n+1]，一个技巧是把你预测的a[n+1]值放在那个地方。 要获得 a[n+1] 的预测值，您需要在序列 a 上建立一个单独的模型，以获得 a[n+1]。
该模型采用称为 ARIMA（自回归综合移动平均）的建模框架。 但是如果严重违反正态性假设，这些步骤可以应用于其他通用建模方法，只要您可以使用过去的值来制定未来值的预测。
回复：建立时间预测的预测模型首先，欢迎来到社区。 这是真实情况还是假设？ 那些年的数据是怎么得来的？ （例如，观察数据、设计实验、定向抽样）。 您如何评估测量误差？
如果是真的，您是如何将 ae 确定为 2000-2019 年的预测变量的？ 您是否有支持您量化的关系的假设？ 您使用的模型在这些年中的工作情况如何？ 您是否根据您的模型查看了任何年份的残差？
问题1中的比较是残差分析。
我不明白问题2？ 您想在没有模型的情况下预测 2020 年的结果吗？ 这是没有道理的？ 您是否希望在不知道模型的情况下创建一个神经网络来预测数据？ 稳健模型是什么意思？ 通常，这意味着模型可以抵抗或较少受到模型外部变量（噪声）变化的影响。 或者模型效果与变化的噪声（外来变量变化）相似，或者没有逐个噪声的相互作用。
回复：建立时间预测的预测模型有许多建模方法可以帮助您解决问题。 Fit Model 平台是一个不错的起点。 标准最小二乘人格。 我建议查看与此平台相关的在线文档以了解具体细节。 这是一个链接：拟合线性模型
请注意，还有许多其他平台可能更适用于解决手头的问题。
所有 JMP 建模平台在平台报告中都有一个选项，用于将预测公式作为新列保存到数据表中。 因此，一旦您找到“稳健模型”……无论这在实践中意味着什么……只需将预测公式保存到数据表中，您就会在该行中获得 2020 年的预测。 或者您也可以使用报告预测分析器手动到达那里。 所有建模平台都有某种形式的探查器，可以精确地做你想做的事。
