模型报表
使用“函数数据分析器”红色小三角菜单的“模型”子菜单中的选项拟合模型数据。有关可用模型，请参见模型。每当将数据拟合为不同类型的模型时，显示模型报表。每个模型报表包含以下报表：
• 模型控制
• 模型选择
• 诊断图
• 函数汇总
• 基函数系数
• 函数 PCA
模型控制
“模型控制”报表允许您定义要在“模型选择”报表中比较的模型参数。“模型控制”报表的外观依赖于拟合的模型类型。
B 样条和 P 样条模型控制
拟合 B 样条和 P 样条模型时，您可以指定以下参数：
结点数
添加、删除或指定每个样条中的结点数范围。结点必须是非零整数。
注意：B 样条模型允许的最大结点数是每个函数的最大观测数或唯一输入数。P 样条模型允许的最大结点数是唯一输入数减去 2。若指定大于最大值的数，将显示警告消息。
样条次数
添加或删除“模型选择”报表中的样条次数拟合。
傅里叶基函数模型控制
拟合傅里叶基函数模型时，您可以指定以下参数：
傅里叶变换对个数
添加、删除或指定要比较的傅里叶变换对个数范围。
周期
更改函数的周期。
在指定模型控制后，点击执行以在“模型选择”报表中查看更新的模型。
提示：要在拟合模型前指定“模型控制”，请按 Shift 键，点击“函数数据分析器”红色小三角并选择所需的模型。请参见模型。
模型选择
“模型选择”报表包含一个整体预测图、一个包含单个预测图的网格、一个解路径图和一个拟合统计量的表。单个预测图的网格与“数据处理”报表中单个图的网格具有相同的布局和控件。一次最多显示 20 个图。可使用下拉菜单和箭头来查看不同组的单个预测图。解路径图显示针对模型参数值标绘的模型选择准则。Bayesian 信息准则 (BIC) 是默认拟合准则。请参见模型报表选项。对于 B 样条和 P 样条模型，跨越定义的结点数标绘的每个样条次数都有单独的解路径。对于傅里叶基函数模型，针对定义的期间的傅里叶变换对个数标绘解路径。使用“模型选择”选项更改解路径图参数。
当前解用解路径图中的垂直虚线表示。将滑块置于对应具有最小模型选择准则值的节点数或傅里叶变换对的数目处。您可以拖动垂直虚线顶端的滑块来更改当前模型中的节点数或傅里叶变换对的数目。拖动滑块将自动更新“模型选择”报表中的预测图以及所有其他报表中的信息。
“拟合统计量”表包含当前解模型的说明。它还显示 -2 对数似然（AICc、BIC 和 GCV 模型拟合准则的值）和响应标准差（表示为 <Y，输出>标准差）的值。将响应标准差定义为拟合模型的残差 sigma。选择一个 P 样条模型时，还显示惩罚参数 λ (Lambda)。
这些预测图显示对应当前模型的原始数据和预测曲线。若存在验证集，则不会为验证集中的函数显示预测曲线。对于样条模型，选定的默认模型是具有最佳拟合的样条次数。点击解路径图或图例中的特定样条可更改当前选择的模型。总体预测图中的曲线是均值曲线的预测。单个预测图中的曲线是每个特定函数的预测曲线。对于 B 样条模型，总体预测图还显示节点的位置。您可以通过将蓝色滑块条拖动到不同位置来更改节点位置。要根据新节点位置更新模型报表，请点击更新模型按钮。要将节点重置为默认位置，请点击重置结点按钮。
诊断图
“诊断图”报表包含“预测值-实际值”图和“预测值-残差”图。这些图帮助评估当前模型是否很好拟合了数据。默认情况下关闭“诊断图”报表。
函数汇总
为 ID 变量的每个水平显示“函数 PCA”的汇总。默认情况下，显示与特征值（解释数据中 1% 以上的变异）关联的函数主成分。同时还显示均值、标准差、中位数、最小值、最大值、积分差值、积分平方根误差 (RISE) 和积分函数平方根 (RIFS)。积分差值和 RISE 汇总值用于确定 ID 特定函数与总体均值函数的差值。RIFS 汇总值用于最优曲线拟合。请参见函数汇总详细信息。“函数汇总”红色小三角菜单包含以下选项：
定制函数汇总
显示一个窗口，您可以在其中选择显示在“函数汇总”报表中的 FPC 数和汇总统计量。若指定了要显示的 FPC 数，还将更新“函数 PCA”报表。还有一个复选框“保存图形”，用于确定“保存汇总”选项生成的数据表中是否包含每个函数的图形。
提示：若您有多个函数过程，可以通过点击 Ctrl 并选择“定制函数汇总”来定制所有“函数汇总”报表显示相同的汇总值。
保存汇总
将“函数汇总”报表中指定的汇总统计量保存到新数据表。新数据表的名称描述了模型拟合。该数据表包含特征函数、均值函数、预测函数和条件预测函数的公式列。还有一列包含原始数据图形的图像和为每个函数拟合的指定模型。在数据表中，有一个刻画器脚本，用于启动预测公式和条件预测公式的预测刻画器。这些公式是输入变量、ID 变量和特征函数的函数。
基函数系数
显示估计的基函数系数及其标准差。它们对于 ID 变量的所有水平是相同的，是混合模型框架中的固定估计值。要查看这些系数的标准误差和置信区间，请在表中右击并选择列。
按函数划分的随机系数
显示每个基函数和函数过程组合的估计随机系数。它们对于 ID 变量的每个水平是唯一的，是混合模型框架中的随机效应估计值。
函数 PCA
对拟合的函数模型执行函数主成分分析（函数 PCA）。“函数 PCA”报表按从大到小的顺序列出对应每个函数主成分 (FPC) 的特征值。在条形图中列出并显示每个 FPC 解释的变异百分比和累积百分比。有一个均值函数图，每个成分还有一个与之对应的图。成分图显示特征函数值。
您可以在“函数 PCA”报表中执行模型选择，以细化选定数量的函数主成分。有一个解路径图，用来显示相对于 FPC 数量所标绘的 Bayes 信息准则 (BIC)。当前 FPC 数量用解路径图中的垂直虚线表示。包含不同数量 FPC 的模型可能具有相似的拟合。因此，解路径图提供了区域，即 BIC 统计量值的区间。有一个绿色区域和一个黄色区域。绿色区域包含最小 BIC 到最小 BIC 加 4 这个区间中的值，黄色区域包含最小 BIC 加 4 到最小 BIC 加 10 这个区间中的值。默认情况下，选择绿色区域内 FPC 数量最少的模型。您可以拖动垂直线顶端的滑块来更改 FPC 的数量。拖动滑块会自动更新“函数 PCA”报表中的其他信息。
注意：这些区域在您的图中可能看上去不大。放大 y 轴以更好地显示各个区域。
当执行“直接函数 PCA”时，还提供整体预测图和单个预测图的网格。单个预测图的网格与“数据处理”报表中单个图的网格具有相同的布局和控件。一次最多显示 20 个图，可使用下拉菜单和箭头来查看不同组的单个预测图。更新 FPC 的数量也会自动更新预测图。
这些预测图显示对应当前模型的原始数据和预测曲线。若存在验证集，则不会为验证集中的函数显示预测曲线。在给定指定数量的 FPC 的情况下，总体预测图中的曲线是均值曲线的预测。在给定指定数量的 FPC 的情况下，单个预测图中的曲线是每个特定函数的预测曲线。
注意：若仅对单个函数建模，则不显示“函数 PCA”报表。否则，若 JMP 无法执行“函数 PCA”，将在“函数 PCA”报表中显示错误消息。
“函数 PCA”红色小三角菜单提供以下选项：
诊断图
显示或隐藏“预测值-实际值”图和“预测值-残差”图。使用这些图有助于评估在给定选定数量的函数主成分的情况下，模型拟合数据的良好程度。
得分图
显示或隐藏 FPC 得分的得分图。使用“选择成分”下的列表来指定在得分图的每个轴上标绘哪个 FPC。若仅有一个 FPC，则 FPC 得分绘制在 y = x 这条线上，并且不显示更改成分的列表。得分图对于检测离群值很有用。在 FPC 得分的示例中，得分图对于检测具有离群值函数的 ID 变量的水平很有用。若在得分图中选择某个点，“FPC 刻画器”将设置为该函数的得分。
提示：悬停在得分图中的某个点上方，可查看该 ID 变量水平的拟合曲线的预测图。
FPC 刻画器
显示或隐藏 FPC 得分的刻画器。FPC 刻画器包括一个输入变量列，每个 FPC 得分对应一列。每个指定的目标函数都有两个附加的刻画器。一个用来测量与目标函数的差值，另一个用来测量与目标函数的积分误差。有关“FPC 刻画器”红色小三角菜单选项的详细信息，请参见《刻画器指南》中的刻画器。
定制 FPC 数
指定要在“函数 PCA”中显示的 FPC 得分数。在该选项中指定 FPC 得分数还会更新“函数汇总”报表。