时间序列建模：浓度大家好，
我希望讨论 JMP Pro 16 中的最佳建模方法，以预测推断到今天日期的单个样品中化学物质的时间序列浓度。 尽管 JMP 中的时间序列函数将预测数据的分布，说明时间序列将落入的范围，但我想获得更多的定量并预测单个样本浓度的样子。 例如，如果我们在 2021 年有 20 个样本，它们的分布会是什么样的？ 然后我可以进一步使用这 20 个样本来估计 2021 年浓度的中值/几何平均值吗？
或者我是否采用神经网络方法，根据日期作为 x 因子来预测多元化学数据的浓度？ 在尝试这样做时，我有时会得到负浓度，这在物理上是不可能的（但模型显然不知道这一点）。 如何约束数据以根据先前的数据传播预测实际值？
分析回复：时间序列建模：浓度不确定这是否可行，但由于您对传播感兴趣……并运行 JMP Pro……也许可以在广义回归平台中尝试分位数回归个性？ 您可以将 95% 的分位数用于价差，或者将 50% 的分位数用于中位数。 不确定它会有所帮助...但值得一试吗？
回复：时间序列建模：浓度随着什么@P_Bartell建议，您可能希望在建模之前先对 Y 进行对数变换，然后对您的预测进行逆变换。 这可能会解决您的负面预测问题。
除此之外，还有其他方法可以模拟“X 上的分布变化”。 例如：适合生活 X ,广义回归，等等。
