建模规格
“建模规格”报表支持您对各个时间序列拟合模型。考虑多种模型。Hyndman et al.(2008) 基于模型的误差、趋势成分和季节性成分定义状态空间平滑模型：
• 误差可以是加法 (A) 或乘法 (M)。
• 趋势成分可以为“无 (N)”、“加法 (A)”、“带阻尼的加法 (Ad)”、“乘法 (M)”或“带阻尼的乘法 (Md)”。
• 季节性成分可为“无 (N)”、“加法 (A)”或“乘法 (M)”。
特定模型可用其 ETS（误差、趋势、季节性）来表示。以下是在“时间序列预测”中使用的模型。
“建模规格”报表中有两个选项卡。使用“推荐规格”选项卡可拟合一组平台挑选的状态空间平滑模型。使用“完整规格”选项卡可选择您想要拟合的特定状态空间平滑模型。对于每个单独的时间序列，给定集中的最佳拟合模型随后用于预测。
选择模型
仅可用于“完整规格”选项卡，如“完整规格”选项卡中所示。“选择模型”报表支持您指定状态空间平滑模型以拟合到各个时间序列。使用复选框为模型选择误差、趋势和季节性。点击选择推荐项选中与平台推荐的模型对应的复选框。点击全选可选中所有复选框，点击取消全选可取消选中所有复选框。点击约束参数以这样一种方式约束参数，即：观测离当前越远，对模型当前状态的影响就越小。在“状态空间平滑”模型中，在给定所有以前的观测的情况下，时间 t 的预测与截至时间 t 的所有观测的加权和相同。这些权重是参数的函数。因此，约束参数可以确保过去观测的权重趋近零，并且观测距离现在越远，权重接近零的速度就越快。
图 19.6 “完整规格”选项卡
预测设置
支持您指定以下可选设置：
超前步数
指定要预测的超前步数。步数必须非负。
周期
指定模型拟合过程中要考虑的季节性值。默认情况下，周期设置为“时间模式分析”报表中建议的季节性值。若要考虑具有不同季节性的模型，请在此处指定其他周期，并用逗号分隔它们。该周期必须大于零。
模型选型策略
支持您指定如何选择最佳模型。
信息准则
基于指定的信息准则确定最佳模型。可用信息准则包括 AIC 和 BIC。
提示：若时间序列较长，则使用 BIC。
预测性能
基于涉及保留集的性能选择算法确定最佳模型。首先，将时间序列划分为训练集和保留集。“保留数”的值指定保留集中的观测数。然后，该算法针对训练集中的数据拟合所有推荐的或用户指定的模型。使用单个拟合模型对保留集进行预测。将这些预测与实际保留观测进行比较，并使用指定的量度对模型进行评估。选择具有最佳量度的模型作为最终模型。最后，选择的最终模型对整个时间序列（训练集和保留集）进行拟合，并使用重新拟合后的模型对时间序列的最后一个观测之后进行预测。
量度
指定用于评估单个模型拟合所做预测的量度。可用的量度包括均方根误差 (RMSE)、均方误差 (MSE) 和绝对误差均值 (MAE)。
保留数
指定保留集中使用的观测数。
其他选项
支持您指定以下选项：
保留模型选择准则
保存拟合数据的一组模型用到的模型选择准则。模型拟合之后，该信息显示在“所有序列的所有模型的信息准则”报表中。
预测区间水平
预测的预测区间水平。这将更改预测图中着色区域的宽度。
对适用的模型进行插补
指定模型拟合过程中使用的插补方法。
注意：这些选项仅更改用于模型拟合的数据。原始数据不会改变。
无
不插补缺失值。
最后一个值
使用缺失观测序列之前可用的最后一个值来插补缺失值。
中间值
通过对缺失观测序列之前可用的最后一个值和缺失观测序列之后可用的第一个值取平均值来插补缺失值。
线性内插
通过在缺失观测序列之前可用的最后一个值和缺失观测序列之后可用的第一个值之间创建线性内插来插补缺失值。
点击运行时，将拟合指定的一组模型。将出现一个进度条，报告活动线程数、已完成任务数和任务总数以及已完成任务的百分比。请注意，任务定义为一个序列和响应变量组合的所有指定模型的拟合。拟合过程完成后，将显示“模型报表”报表。请参见模型报表。若对“模型规格”报表中的选项进行任何更改并再次点击运行，则“模型报表”报表将替换为新报表。