時間序列建模：濃度大家好，
我希望討論 JMP Pro 16 中的最佳建模方法，以預測外推到今天日期的單個樣本中化學物質的時間序列濃度。 儘管 JMP 中的時間序列函數將預測數據的分佈，說明時間序列將落入的範圍，但我想獲得更多的定量結果並預測單個樣本的濃度會是什麼樣子。 例如，如果我們在 2021 年有 20 個樣本，它們的分佈會是什麼樣子？ 然後我可以進一步使用這 20 個樣本來估計 2021 年濃度的中位數/幾何平均值嗎？
或者我是否採用神經網絡方法，根據日期作為 x 因子來預測多元化學數據的濃度？ 在嘗試這樣做時，我有時會得到負濃度，這在物理上是不可能的（但模型顯然不知道）。 如何約束數據以根據先前的數據傳播預測實際值？
分析回复：時間序列建模：濃度隨著什麼@P_Bartell建議，您可能希望在建模之前先對 Y 進行對數變換，然後對您的預測進行逆變換。 這可能會解決您的負面預測問題。
除此之外，還有其他方法來模擬“X 上的分佈變化”。 例如： X 健身生活,廣義回歸，等等。
回复：時間序列建模：濃度不確定這是否可行，但由於您對傳播感興趣...並運行 JMP Pro...也許可以在廣義回歸平台中嘗試分位數回歸個性？ 您可以為價差擬合 95% 的分位數，或者為中位數擬合 50% 的分位數。 不確定它會有所幫助......但值得一試嗎？
