启动“时间序列”平台

通过选择分析 > 专业建模 > 时间序列来启动“时间序列”平台。Seriesg.jmp 样本数据表的“时间序列”启动窗口显示在图 18.4 中。

图 18.4 “时间序列”启动窗口 

有关“选择列”红色小三角菜单中选项的详细信息，请参见《使用 JMP》中的“列过滤器”菜单。

“时间序列”平台启动窗口包含以下选项：

Y，时间序列

将一个或多个列分配为时间序列变量。显示在 Y 轴上。

输入列表

将一个或多个列分配为输入序列变量。显示在“输入时间序列面板”中，在转换函数模型中使用。输入序列变量必须是数值，它作为时间序列或指示符。

X，时间 ID

分配用于标记时间轴（X 轴）的一个变量。若没有为“时间 ID”指定变量，则使用行号。

注意：若您使用 “X，时间 ID”变量，可以通过使用“时间频率”列属性来指定时间频率。可以选择“每年”、“每季”、“每月”、“每周”、“每天”、“每小时”、“每分钟”和“每秒”。这可以帮助 JMP 在标绘预测值时确定数据的间距。若未指定频率，则将数据视为等间距的数值数据。

警告：假定分配给 X，时间 ID 的变量的观测是等间距的。不过，“时间序列”平台仅检查时间戳是否增加。该平台不检查观测是否等间距。

依据

分配用于创建报表的一个列，该报表包括变量的每个水平的单独分析。若指定了多个“依据”变量，将为“依据”变量水平的每种可能组合生成单独的分析。

注意：若您使用“依据”变量，可能得根据“依据”变量的每个水平有多少个观测更改自相关性滞后期数。滞后期数必须大于 1 且小于每个水平的观测数。

自相关性滞后期数

指定在计算自相关性和偏相关性时要使用的滞后期数。这是在计算这些相关性时使用的点之间的最大周期数。它必须大于 1 且小于行数。默认滞后期数为 25。

提示：最大滞后期数的一个常用的规则是 n/4，其中 n 是观测数。

预测周期数

指定使用每个数据拟合模型做预测的观测数。默认预测数是 25。

‒ 若选择“针对保留进行预测”选项，则“预测周期数”值指定序列末尾不包含在模型拟合中的观测数。随后使用拟合模型预测这些值。

‒ 若未选择“针对保留进行预测”选项，“预测周期数”值指定在序列末尾后预测的将来观测数。

针对保留进行预测

确定预测是基于将来观测还是基于保留观测。若选定“针对保留进行预测”选项，则针对“预测周期数”选项中指定的数字所确定的保留集进行预测。

使用 Box-Cox 变换

使用“Box-Cox 的 Lambda”选项中指定的 Lambda 的 Box Cox 变换来变换原始数据。若选定该选项，将对变换的数据执行“时间序列”报表中的所有分析。不过，所有的预测都会变换回来，并按原来的尺度报告。

Box-Cox 的 Lambda

（仅当选定“使用 Box-Cox 变换”时才可用。）指定用于原始数据的 Box-Cox 变换的 lambda 参数。

注意：为了保持时间序列的顺序和间隔，“时间序列”平台将数据表中排除的行视为缺失值。