发布日期: 09/18/2023

“状态空间平滑”报表

“时间序列”平台中的每个“状态空间平滑”报表都有可标识该模型的唯一分级显示项名称。每个模型都添加到“模型比较”表中。若为“模型比较”表中的某个模型选中“报表”复选框,则会显示“状态空间平滑”报表。包括以下报表:

模型类型

根据误差、趋势和季节性来描述序列的选定模型。

模型汇总

包含模型的拟合统计量。在下面的公式中,n 是序列的长度,k 是模型中的拟合参数数目。

–2 对数似然

在最佳拟合参数估计值处求值的负对数似然函数的两倍。值越小表示拟合效果越好。请参见《拟合线性模型》中的“似然、AICc 和 BIC”

AIC

Akaike 信息准则 (AIC) 值,计算为 2对数似然 + 2k。AIC 值越小指示拟合效果越好。

BIC

Schwarz Bayes 准则 (SBC) 值,计算为 2对数似然 + k*ln(n)。SBC 值越小指示拟合效果越好。Schwarz Bayesian 准则等价于 Bayesian 信息准则 (BIC)。

参数数目

信息准则计算中的参数数目。该数目是似然函数中的参数数目,即预测公式中的参数数目加 1。

注意:参数数目是参数估计值表中的参数个数。

Sigma

一步超前预测标准差的估计值。

R 方

R 方值,计算如下:

Equation shown here

其中

Equation shown here

Equation shown here

Equation shown here 是“单步”预测

Equation shown here 是均值

若模型拟合序列效果不好,则模型误差平方和 SSE 可能大于总平方和 SST,导致 R2 为负数。

调整 R 方

调整的 R2 值,计算如下:

Equation shown here

均值绝对百分误差

绝对百分比误差均值,计算如下:

Equation shown here

其中

Equation shown here 是“单步”预测

均值绝对误差

绝对误差均值,计算如下:

Equation shown here

其中

Equation shown here 是“单步”预测

参数估计值

显示模型中每个参数的估计值、标准误差和 95% 置信区间的表。

预测

显示时间序列的观测值和预测值的图。请参见预测

一步超前预测误差

随时间变化的一步超前预测误差图。对于每个时间点 t,误差计算为 t 处的时间序列的观测值减去 t 处的一步超前预测值。若指定保留集,则仅为训练数据计算误差。还显示这些误差的自相关性和偏自相关性报表。

维持序列的预测误差

(仅当指定保留集时才可用。)保留集中的观测的预测误差图。还显示这些误差的自相关性和偏自相关性报表。

成分状态

一个报表,其中包含模型的每个状态的图以及相应的模型公式。每个图都包括序列的状态估计值和状态预测。若指定了保留集,则状态估计值用于训练部分,而状态预测用于保留部分。若未指定保留集,则状态估计值针对时间序列中直到最后一个观测之前的部分,而状态预测针对时间序列最后一个观测之后的部分。一个模型最多可以有三种状态:水平、趋势和季节性。

“成分状态”红色小三角菜单包含一个“保存状态”选项。选择该选项可将每个时间点的成分状态保存至单独的数据表。

乘法误差模型的一步超前相对预测误差

(仅可用于乘法误差模型。)随时间变化的一步超前相对预测误差图。对于每个时间点 t,误差计算为 t 的一步超前预测误差除以 t 的一步超前预测值。

“状态空间平滑”报表选项

每个状态空间平滑报表都有一个包含以下选项的红色小三角菜单:

显示点

显示或隐藏预测图中的数据点。

显示预测区间

显示或隐藏预测图中的预测区间。

保存列

创建一个新数据表,它包含表示模型结果的列。

删除拟合

从报表中删除单个模型拟合。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).