Re: 相関する 2 つの変数を使用した時系列予測いくつかの明確な質問と私はいくつかの提案を提供します:
1. グループまたは 1 人あたりの総支出を予測しようとしていますか?
2. 40 歳から 60 歳、70 歳から 80 歳までのグループとして、x と y の過去のデータはありますか?
3. 予測モデルまたは説明モデルをまとめようとしていますか?
そして、モデリングの考え...このようなグループ化されたx変数を使用して、モデルの適合の使用に異議を唱えたり、時系列モデリングオプションのいずれかが価値があるかもしれないと考えています...次のような非線形モデリング方法の1つを考えていますパーティションも役立つかもしれませんか？ 私は常に、明らかに異なるモデリング手法を数多く試し、実際の問題に最も適した手法を見つけることを支持しています。
Re: 相関する 2 つの変数を使用した時系列予測返信ありがとうございます！
（a）グループの総支出は私が求めているものです（ただし、各年齢層内の1人あたりも役立ちます）
(b) 私はすべての過去のデータを持っています - しかし、それを少し複雑にしているのは、若い成人の年齢では、ヘルスケアの負担がこれらのブラケット全体でかなりフラットであるということです. しかし、65 ～ 70 を超えると、指数関数的に増加します。 したがって、人口の急増がその年齢層に達すると、総支出は劇的に増加します。
(c) 予測 - 将来の医療費の見積もりを試みる
非線形に関して-私が持っている履歴データは20年（つまり20行）しか遡らないため、非線形モデルの検証のためにデータを保持するのに十分な大きさのセットではないと思います
ありがとうございました！
Re: 相関する 2 つの変数を使用した時系列予測わかりました...これは私の奇抜なアイデアですが、他の人がチャイムを鳴らしてくれることを願っています. あなたが収集したデータの性質を理解していれば、回答の「フラット」部分の年齢グループの支出を一人当たりで計算できます...次に、各グループが年を追って進むのを見て、彼らの一人当たりを計算します1 人あたりの支出は 65 ～ 70 歳を超えています...また、団塊の世代の 1 人あたりの支出を推定したい場合は、1 人あたりの支出に推定総人口を掛けることで、総支出を求めることができます。 これが何か意味があるとしたら？
明らかに、このような長期予測には未知数がたくさんあります。 ケアの新しい進歩/基準。 COVID のような「特別な原因」、または長期的な人口と人口の違い。 たとえば... 20 年前の 70 歳以上の年齢層における長年の喫煙者の割合は、現在よりもはるかに多いことに賭けます。 または、米国政府が、メディケアのような社会プログラムに大規模な構造変更のような抜本的なことを行うことは、天国で禁じられています。
業界にいる間、私はいつもこのような問題に取り組むのが好きでした...私は、雇用、収入、税収などのマクロ経済現象の長期予測を行う元雇用主の財務グループの一員でした.ジョージ・ボックスの有名な言葉、「すべてのモデルは間違っている...一部のモデルは役に立つ...」という言葉が使われている分野がありました。
Re: 相関する 2 つの変数を使用した時系列予測何に「間違った」モデルを1つ追加しますか@P_バーテル言った。
時系列プラットフォームには、「伝達関数モデル」と呼ばれるタイプのモデルがあります。 応答時系列を 1 つ以上の入力時系列の関数としてモデル化します。 あなたの例では、「支出」は応答時系列のように見え、「人口」は入力時系列のように見えます。
役に立つかもしれない次の 2 つのリソースを確認してください。ドキュメンテーションと話.
私には、「年齢層ごとにグループ化された時系列」が何を意味するのか明確ではありません。 個々の年齢グループに対して複数の年間「支出」シリーズがありますか。 つまり、毎年 59 歳が転入し、69 歳が転出することに関係なく、60 歳のグループの年間支出があります。 50 歳の年齢層などについても同様です。一方で、毎年 60 歳の年齢層の人口数があります。 また、59 人が転入し、69 人が転出するため、カウントは同じコホートではありません。 私が説明したことが当てはまる場合、かなり多くのシリーズがあります。
あるいは、あなたの「支出」シリーズが年齢別に分類されていないかもしれません。 次に、1 つの応答シリーズと複数の入力シリーズがあります。あなたが言ったように、1つの入力シリーズではありません。 この場合、「伝達関数モデル」には複数の入力系列があります。 このセットアップでは、伝達関数モデルは、任意の時点での応答を、現在および/または以前の入力、および/または過去の応答の重み付き合計としてモデル化できます。
モデルを作成したら、入力系列を予測し、モデルにフィードバックして、さらに将来の応答を予測する必要があります。 また、入力系列の予測は別の問題です。 この場合、年齢層別の人口を予測すること自体が困難です。 年齢層の分布は、過去数十年でかなり変化しました。
このモデルに欠けている可能性のある最後のピースは、次のような経済シリーズです。 @P_バーテル言及された。 これらのシリーズを追加の入力として追加することを検討してください。 例: インフレ、マクロなど
Re: 相関する 2 つの変数を使用した時系列予測あなたのすべての提案と私が考慮する必要があるすべてのことをありがとう。 明確にするために、jmp テーブルをアップロードしました。 そして、はい、モデルについて考慮すべき要素が非常に多くあります。この演習の目的のために、私はモデルを「より悪くない」モデルにしようとしています。 考えてみると、おそらく物事を単純化するのを助けるために、Peng が提案したアイデアは、1 つの応答シリーズ (この場合、総支出を表す NL 合計 - その前のすべての列が年齢層ごとに分かれている) を持つという考えです。 次の 20 列ほどが年齢層別人口と合計です）。 それ以降の列は、実際には必要ありません。 私の最初の質問は、上記のドキュメントとビデオを読んで見た後、起動ウィンドウの「入力リスト」が実際に何を意味し、赤い三角形のドロップダウンメニューから「伝達関数」を選択することとどのように違うのかということです。 、やみくもに「入力リスト」に列を入れるとわかるように、出力には「伝達関数」というタイトルが付けられます。 どのヘルプやビデオでも「入力リスト」がどのように使用されているかの例は見つかりませんでしたが、この問題に適用される可能性があるようです。
再度、感謝します！
一番、
グレッグ
Re: 相関する 2 つの変数を使用した時系列予測JMP Proをお持ちですか？ その場合、Functional Data Explorer (FDE) を使用して、予測に使用できるモデルを作成できます。 添付の表では、データを積み重ねました (NL 列と人口列のみを保持し、HC Expense 列とカナダ列は保持しませんでした)。 以下のスクリーンショットは、重み付けの頻度として人口を使用して、各年齢層に適合する費用のモデルを示しています。 それがまさにあなたが探しているものかどうかはわかりませんが、FDE プラットフォームでモデル化するにはさまざまな方法があります。 こちらですリンクまた2 FDE の関連資料に。
Re: 相関する 2 つの変数を使用した時系列予測あなたのデータは興味深いです。 いくつかのことを取り上げて、詳しく話します。
まず、伝達関数モデル。 これはモデルの豊富なクラスです。 そして、あなたはこの主題に関する聖書を調べたいと思うかもしれません時系列分析、George EP Box、Gwilym M. Jenkins、Gregory C. Reinsel 著。 データのサブセットを使用した入門バージョンを含めます。添付。
サブセットは 75 ～ 79 歳のグループです。 一連の伝達関数モデルに適合する埋め込みスクリプトがあります。 それを実行します。 次の表が表示されます。 チェックボックスを使用して、レポートを 1 つずつ表示します。 そして、それらが何であるかを説明します。 (ところで、私はデータをスケーリングしました。 元のデータを使用すると、極端な値が原因でアルゴリズムに問題が発生する場合があります。)
最初のモデル、式の写真を見てください。 時間 t での Scaled NL は切片であり、時間 t での Scaled Population の加重値と誤差を足したものです。 したがって、これは単純な線形回帰です。 Fit Y by X プラットフォームを使用して、同じ結果を得ることができます。
しかし、以下の残差プロットを見てください。 それは、まだ説明されていないパターンがあることを示しています。
次に、2 番目のモデルを表示して、式と残差を確認します。
数式はまだ回帰のように見えます。 ただし、Scaled Population の添字は t-1 です。 このモデルは、時間 t での Scaled NL は、定数、前の時間 t-1 での Scaled Population の加重値、および誤差の合計であると言います。 したがって、このモデルは、データを整理しない限り、Fit Y by X に簡単には適合しません。 とにかく、残差によると、これはまだ良いモデルではありません。
次に、3 番目のモデルを表示します。
その主要部分は最初のモデルと同じ単純な回帰ですが、誤差項は複雑に見えます。 表記法に慣れてくると、表記法が次のことを意味することがわかるでしょう。 要約すると、このモデルは次のように述べています。時間 t でのスケーリングされた NL は、定数、時間 t での重み付けされたスケーリングされた母集団、時間 t-1 での重み付けされたスケーリングされた NL、および誤差項の合計です。 そのため、より複雑なモデルを使用しています。 残差プロットを見ると、明らかなパターンが少なくなっています。
4 番目のモデルは似ていますが、ラグ付きのスケーリングされた人口を使用しています。 モデルは次のように述べています: 時間 t でのスケーリングされた NL は、時間で重み付けされたスケーリングされた母集団の定数の合計です。 t-1 、時間 t-1 での加重された Scaled NL、および誤差項。
5 番目と 6 番目のモデルはより複雑になりますが、不要です。 しかし、物事がどれほど複雑になるかを理解してもらうために、それらをそのままにしておきます。 そして、これらの例はまだかなり単純です。
要約すると、伝達関数モデルは、単純な線形回帰のように単純にすることも、応答と入力系列値の過去の値 (および/または入力の現在の値) の一見複雑な和として応答を表すことによって、より複雑にすることもできます。
そして、サブセットによく適合するモデルが少なくとも1つあるようです。 3 番目のモデルを使用します。 そして、「Interactive Forecasting」の部分を見てください。
強調表示されたマーカーはドラッグ可能です。 それらを移動する場合、それらは自明である必要があります。 ただし、強調するために、下のフレームのマーカーは将来の入力系列値を表します。 将来の入力値を予測できる場合は、マーカーを目的の場所に配置する必要があります。上部の出力フレームには、応答系列の予測がどのように見えるかが表示されます。 将来の入力値は他の方法でインポートできますが、詳しくは説明しません (プロットの上にその目的を示すボタンがあります)。
上記は、伝達関数モデルを使用してデータのサブセットを分析および予測する例です。 しかし、それは理にかなっていますか？ 私にはよくわかりません。 あなたのデータはかなり難しいです。 モデルはこのサブセットによく適合します。 しかし、すべてのサブセットにうまく適合するわけではありません。 結論はあなたにお任せします。
データがどのように見えるかを年齢層ごとに要約するプロットを作成しました。 青線は年代別NL系列。 赤い線は対応する人口シリーズです。 すべての NL シリーズには上昇トレンドがあります。 人口シリーズは、50 歳未満の年齢層で減少傾向にあります。 54歳以上は上昇傾向。 いくつかの不思議:
- 来年、再来年、この写真はどのように見えるでしょうか?
- 50-54 グループでのカットオフをどのように説明しますか? また、若い年齢グループの NL と人口の間の反対の傾向をどのように解釈するか、より古い年齢グループの傾向は同じです。
- NL シリーズの最後のウィグルは何を伝えようとしていますか? 彼らは私には面白そうに見えます。
Re: 相関する 2 つの変数を使用した時系列予測以下は、別の角度からデータを見ていきます。
一番上の行では、各フレームは NL と年齢グループのプロットを何年にもわたって示しています。
一番下の行の各フレームは、人口と年齢グループのプロットです。
私にとって、このプロットは、何が変化し、何が変化していないかについて、より一貫した視点を提供します。
そして、上段の21フレームを全体として見て、それを1フレームに連続して並べてみると、ARIMAの季節モデルが有名な航空旅客データを思い出します。
Re: 相関する 2 つの変数を使用した時系列予測今後ともよろしくお願いいたします。 私はこれをよりよく理解し始めていますが、1つのことがまだ私を混乱させています。 アップロードされたファイルと変更されたテーブルを使用すると、スクリプトを直接変更してスクリプトを実行しない限り、結果を再現できません。 その理由は、潜在的なバグ (解決済みの可能性があります。現在 JMP 15 を使用していますが、すぐに 17 にアップグレードする予定です) か、非常にばかげたことをしている可能性があると思います。 しかし、添付のスクリーンショットを見ると、上部のボックスがグレー表示されています。 そして、何をしても、スクリプトで直接変更しない限り、ラグを入力できません。 もう一度、あなたの助けをいただければ幸いです。
よろしくお願いします、
グレッグ
Re: 相関する 2 つの変数を使用した時系列予測お問い合わせくださいsupport@jmp.com 、 @グレッグマクマホン
これが問題だったかどうかは覚えていません。 JMP15やJMP14では再現できません。 表示が同期していないように見えます。数値編集ボックスはラベルと並んでいます。 1 行上に移動する必要があります。
考えられる理由の 1 つは、列名です。 JMPの最近のバージョンでは、コロン、引用符、名前、終了引用符、「n」を使用して、ダッシュなどの特殊な文字を含む列を示しています。
古いバージョンの JMP は Name 関数呼び出しを使用します
スクリプトをどのように変更したかはわかりませんが、古いバージョンで実行するには、スクリプト名とデータ テーブル内の列名の両方を変更する必要があると思います。 古いバージョンの更新されたデータ テーブルを添付します。 このバージョンが機能する場合、問題は列名が原因であると確信しています。 ただし、ご不明な点がある場合は、テクニカル サポートにお問い合わせください。 それは有り難いです。
さらに、新しいバージョンを入手したら、最近のリリースで追加された Box-Cox 変換機能を確認したいと考えています。
見る起動時系列
もっともらしい季節 ARIMA (1,0,1)(1,1,0)19 モデルをラムダ = 0.2174 で適合させることができます
Re: 相関する 2 つの変数を使用した時系列予測ペンさん、どうもありがとう。 役に立たなかったので、サポートする添付ファイル付きの長いメッセージを書きました. 詳細がわかり次第、最新情報をお知らせします。
よろしくお願いします、
グレッグ
Re: 相関する 2 つの変数を使用した時系列予測あなたのためのアップデート@グレッグマクマホン- ご報告いただいた問題は JMP Development に送信され、JMP の次のメジャー リリース (JMP 18) で修正が行われました。 問題を詳細に報告していただき、ありがとうございます。正しい解決策を特定して見つけるのに役立ちました。
2 つの相関変数による時系列予測これをモデルの適合、時系列分析、または時系列予測のいずれかで行う方法があると確信しています。 年齢層ごとにグループ化された 2 つの時系列があります。 列は人口と医療支出です。 データを個別に問題なく予測モデリングを行うことができます。 ただ、40～60歳代が人口ブームなので、70～80歳代になると、それだけでは捉えきれない医療負担が増えてしまいます。支出欄自体の予測。
アドバイスをありがとうございます。そして、皆さん明けましておめでとうございます。
一番、
グレッグ
高度な統計モデリング
