시계열 플랫폼 시작

분석 > 전문 모델링 > 시계열을 선택하여 시계열 플랫폼을 시작합니다.

그림 18.4 시계열 시작 창 

"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 열 필터 메뉴의 JMP 사용에서 확인하십시오.

시계열 플랫폼 시작 창에는 다음 옵션이 포함되어 있습니다.

Y, 시계열

하나 이상의 열을 시계열 변수로 할당합니다. Y 축에 표시됩니다.

입력 목록

하나 이상의 열을 입력 계열 변수로 할당합니다. "입력 시계열 패널"에 표시되고 전이 함수 모형에 사용됩니다. 입력 계열 변수는 시계열 또는 표시자로 숫자여야 합니다.

X, 시간 ID

시간 축(X 축)에 라벨을 지정하기 위한 하나의 변수를 할당합니다. "시간 ID"에 변수를 지정하지 않으면 행 번호가 대신 사용됩니다.

참고: "X, 시간 ID" 변수를 사용하는 경우 "시간 주기" 열 특성을 사용하여 시간 주기를 지정할 수 있습니다. "매년", "매분기", "매월", "매주", "매일", "매시간", "매분" 및 "매초" 중에서 선택할 수 있습니다. 이렇게 하면 JMP에서 예측 값을 그림에 표시할 때 데이터 간격을 결정하는 데 도움이 됩니다. 주기를 지정하지 않으면 데이터가 일정한 간격의 수치형 데이터로 간주됩니다.

주의: X, 시간 ID에 할당된 변수의 관측값은 간격이 일정하다고 가정합니다. 그러나 시계열 플랫폼에서는 타임스탬프가 증가하는지 여부만 확인합니다. 관측값의 간격이 일정한지 여부는 확인하지 않습니다.

기준

변수의 각 수준에 대한 개별 분석으로 구성된 보고서를 생성하는 열을 할당합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.

참고: "기준" 변수를 사용하는 경우 "기준" 변수의 각 수준에 대한 관측값 수에 따라 자기상관 시차 수를 변경해야 할 수도 있습니다. 시차 수는 1보다 크고 수준당 관측값 수보다 작아야 합니다.

자기상관 시차

자기상관 및 부분 상관을 계산하는 데 사용할 시차 수를 지정합니다. 이 값은 이러한 상관을 계산하는 데 사용된 점 사이의 최대 주기 수입니다. 1보다 크고 행 수보다 작아야 합니다. 기본 시차 수는 25입니다.

팁: 최대 시차 수에 일반적으로 사용되는 규칙은 n/4이며, 여기서 n은 관측값 수입니다.

예측 주기

데이터에 적합된 각 모형을 사용하여 예측되는 관측값 수를 지정합니다. 기본 예측 수는 25입니다.

– "홀드백에 대한 예측" 옵션을 선택하는 경우 "예측 주기" 값은 모형 적합에 포함되지 않은 계열 끝의 관측값 수를 지정합니다. 그러면 적합 모형을 사용하여 이러한 값을 예측합니다.

– "홀드백에 대한 예측" 옵션을 선택하지 않는 경우 "예측 주기" 값은 계열이 끝난 후 예측되는 미래 관측값 수를 지정합니다.

홀드백에 대한 예측

예측이 미래 관측값에 대해 수행되는지 아니면 홀드백 관측값에 대해 수행되는지 결정합니다. "홀드백에 대한 예측" 옵션을 선택하면 "예측 주기" 옵션에 지정된 수에 따라 결정된 홀드백 집합에서 예측이 수행됩니다.

Box-Cox 변환 사용

"Box-Cox에 대한 람다" 옵션에 지정된 람다로 Box-Cox 변환을 사용하여 원래 데이터를 변환합니다. 이 옵션을 선택하면 변환된 데이터에서 시계열 보고서의 모든 분석이 수행됩니다. 그러나 모든 예측은 다시 변환되어 원래 척도로 보고됩니다.

Box-Cox에 대한 람다

("Box-Cox 변환 사용"을 선택한 경우에만 사용 가능) 원래 데이터의 Box-Cox 변환에 사용되는 람다 모수를 지정합니다.

참고: 시계열 플랫폼은 시계열의 순서와 간격을 유지하기 위해 데이터 테이블의 제외된 행을 결측값으로 처리합니다.