<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />ほとんどすべての製造プラントに共通することの1つは、統計的プロセス制御です。 サイトが一貫して同じ製品を何度も何度も製造していることが、中堅企業と優れた企業の違いになる可能性があります。 そのプロセスの1つの鍵は、データの変化または傾向を探すことです。 一般的には使用されませんが、時系列分析は、変動の削減の過程で役立つツールになります。
JMPの時系列分析プラットフォームには、[分析]>[モデリング]>[時系列]からアクセスできます。
サンプルデータから1つのデータを見てみましょう。 [ヘルプ]>[サンプルデータ]に移動します。 次に、[時系列]ドロップダウンをクリックして、[月間売上]に移動します。 時系列プラットフォームを開き、[日付]を時系列として[売上（$ 1000）]列を選択します。
JMPでいつものように、すぐにこのデータについて何かを教えてくれるいくつかの検定統計量があります。 グラフの右側の表にあるゼロ平均ADF、シングル平均ADF、およびトレンドADFの統計に注目してください。 ADFはAugmentedDickeyFuller testの略で、時系列内の単位根（時間とともに変化する機能）をチェックする方法です。 ラメンの用語では、データ内の根本的な時間依存の傾向をチェックしています。 3つのメトリックは、基礎となる時間コンポーネントがないこと（ゼロ平均）、時間の経過に伴う一定の増加（単一の平均）、および時間の経過に伴う加速（トレンド）のチェックに対応します。 統計が以下のT値を下回っている場合は、それがコンポーネントではないという帰無仮説を棄却できます。 つまり、T値を下回っている場合は、基礎となる時間コンポーネントがあります。
最初のグラフの下に、自己相関の要約があります。 これは、各ポイントが前のポイントにどのように依存しているかを示しています。
明確な周期的パターンに気付くと、季節指数平滑化フィットを試してデータを予測する可能性があります。 赤い三角形>平滑化モデル>季節指数平滑化に移動します。
赤い線は、モデルの適合度と将来の予測値を示しています。 モデルの概要には、DF（Degrees of Fredom）、Rsquareなどの従来の統計が含まれています。 赤池の「A」情報量基準（ AIC ）。 このメトリックは、モデル内の余分なパラメーターにペナルティを課し、余分な項を持つパラメーターが不当に有利にならないようにするため、さまざまなモデルを比較するのに最適です。 同様に、シュワルツベイズ基準（ビック）余分なパラメータにペナルティを課しますが、AICよりも厳しくします。 一般に、AICが高次モデル（より複雑）を指す場合を除いて、両者は同意します。 どちらの数値でも、値は小さいほど良いです。
モデルの概要
DF | 129 |
二乗誤差の合計 | - 21565.8785
|
分散推定 | - 167.177353
|
標準偏差 | - 12.9297082
|
赤池の「A」情報量基準 | - 1048.48556
|
シュワルツのベイズ基準 | - 1054.23595
|
RSquare | - 0.98719989
|
RSquare Adj | - 0.98710066
|
マップ | - 3.44018638
|
MAE | - 9.90829917
|
-2LogLikelihood | - 1044.48556
|
安定 | はい | |
可逆 | いいえ | |
パラメータ推定
学期 | 見積もり | 標準エラー | t比率 | 確率>|t | |
レベルスムージングウェイト | - 0.2493692
- 0.0404538
- 6.16
| <.0001 * | |
季節的な平滑化の重み | - 1.0000000
- 0.0980935
- 10.19
| <.0001 * | |
これが時系列データの探索に役立つことを願っています。 時系列分析や共有する素晴らしい時系列ストーリーについて質問がある場合は、コメントを残してください。 ありがとう！
