该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


预测和专业建模 • 函数数据分析器 • “函数数据分析器”报表 • 模型报表
上一个
 • 
下一个
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
•
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。
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。
期间
更改函数的期间。
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”，请按住 Shift 键并从“函数数据分析器”红色小三角菜单中选择所需的模型。请参见模型。
模型选择
“模型选择”报表包含一个整体预测图、一个针对 ID 变量的每个水平的各个预测图的网格和一个拟合统计量的表。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，在为定义的节点数标绘的每个样条次数的解路径中有单独的曲线。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“模型控制”更改解路径图参数。
当前解用解路径图中的垂直虚线表示。默认情况下，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。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。还显示均值、标准差、中位数、最小值、最大值和积分差值。积分差值是 ID 特定曲线上的点与均值曲线上的点的平均差值。“函数汇总”报表具有以下红色小三角菜单选项：
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。
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。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。为每个成分提供显示特征函数值的图形。解释数据中 1% 以上的变异的 FPC 包含在报表中。
“函数 PCA”报表还包含 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。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。
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。