檢查模型
- 按兩下「時間數列」模型塊，然後選取「輸出」標籤來顯示針對每一個市場產生之模型的相關資料。
圖 1. 針對市場產生的時間數列模型 
在左側的「輸出」直欄中，選取任何市場的模型資訊。預測值數行會顯示使用了多少個欄位作為每一個目標的預測值；在此情況下為無。
模型資訊表格中的剩餘行會顯示每一個模型的各種適合度測量。恆定 R 平方值會對數列中由模型解釋的變異總數的比例進行估計。該值越大（上限為 1.0），模型適合度越好。
Q(#) 統計資料、df 及顯著性行與測試模型中殘差誤隨機性的 Ljung-Box 統計資料有關；誤差隨機性越大，模型可能越好。Q(#) 是 Ljung-Box 統計資料本身，而 df（自由度）指出估計特定目標時自由變化的模型參數數目。
顯著性行提供 Ljung-Box 統計資料的顯著性值，另外可指示模型是否正確指定。顯著性值少於 0.05 表示殘差誤不是隨機的，暗示在觀察數列中有模型未說明的結構。
考量到恆定 R 平方和顯著性值，Expert Modeler 為 Market_3 及 Market_4 選擇的模型完全可接受。Market_1、Market_2 及 Market_5 的顯著性值全都小於 0.05，指出可能必須對這些市場用更適合的模型進行實驗。
顯示畫面會顯示許多其他的適合度測量。R 平方值會對時間數列中可由模型解釋的變異總數進行估計。因為此統計資料的值上限為 1.0，我們的模型在這方面非常好。
RMSE 是均方根誤差，數列實際值與模型預測值差異程度的量數，以數列本身使用的相同單位表示。因為這是誤差測量，我們希望這個值越低越好。初看起來似乎 Market_2 及 Market_3 的模型沒有其他三個市場的模型那麼成功，但根據我們到目前為止所看到的統計資料仍可接受。
其他的這些適合度測量包括平均絕對百分比誤差 (MAPE) 及其上限值 (MAXAPE)。絕對百分比誤差是目標數列與其模型預測層級差異程度的量數，用百分比值表示。透過檢查所有模型中的平均值及上限，您可以在預測中取得不確定性的指示。
MAPE 值表明所有模型的平均不確定性約為 1% ，這個值是非常低的。MAXAPE 值顯示絕對百分比誤差上限，並對於想像您預測的最糟情況非常有用。它顯示大部分模型的最大百分比誤差約在 1.8 至 3.7% 這個範圍，仍然是一組很低的數字，只有 Market_4 很高，接近 7%。
MAE（平均絕對誤差）值顯示預測誤差的絕對平均值。像 RMSE 值一樣，此值使用數列本身所用的相同單位表示。MAXAE 以相同的單位顯示最大的預測誤差，並指出預測的最糟情況。
雖然這些絕對值非常有趣，但百分比誤差值（MAPE 與 MAXAPE）在此情況下更為有用，因為目標數列代表大小不同的市場的訂閱者數。
MAPE 及 MAXAPE 值是否代表可接受的模型不確定性？它們肯定非常低。在這種狀況下商業意識開始起作用，因為可接受的風險會隨著問題而變。我們假設適合度統計資料處於可接受的範圍，並繼續查看殘差誤。
透過檢查模型殘差的自相關係數函數 (ACF) 和局部自相關係數函數 (PACF) 值，可更加定量地瞭解模型，而不是簡單地檢視適合度統計資料。
明確指定的時間數列模型會擷取所有非隨機變異，包括週期性、趨勢、循環和其他重要因素。如果是這種情況，則任何誤差隨著時間的推移都不應該與其本身產生關聯（自動產生關聯）。在任一自相關係數函數中的顯著性結構都暗示基礎模型不完整。
- 針對左側直欄中的第四個市場，按一下相關圖以顯示模型中殘差誤的自相關係數函數 (ACF) 和局部自相關係數函數 (PACF) 值。
圖 2. 第四個市場的 ACF 及 PACF 值 
在這些繪圖中，誤差變數的原始值已遞延最多 24 個時段，並與原始值相互比較來查看是否隨著時間推移存在任何相關性。針對要接受的模型，無論是正向（向上）還是逆向（向下），上部繪圖 (ACF) 中的任何長條都不應延伸到陰影區域外部。
如果發生這種情況，您需要檢查下部繪圖 (PACF) 來查看在那裡結構是否已確認。PACF 繪圖會在介入時間點控制數列值之後查看相關性。
Market_4 的值都在陰影區域內，因此我們可以繼續檢查其他市場的值。
- 按一下相關圖以取得其他每一個市場及總計。
其他市場的值都在陰影區域外部顯示部分值，確認了之前我們根據其顯著性值做出的懷疑。我們需要在某個點對那些市場的一些不同模型進行實驗，以查看我們是否可以更適合，但是針對此範例的剩餘部分，我們會集中於可以從 Market_4 模型中學到別的什麼。
- 從「圖形」選用區中，將「時間繪圖」節點連接至「時間數列」模型塊。
- 在「繪圖」標籤上，清除在個別畫面中顯示數列勾選框。
- 在數列清單上按一下欄位選取器按鈕，選取 Market_4 及 $TS-Market_4 欄位，然後按一下確定以將其新增至清單。
- 按一下執行以顯示第一個當地市場的實際和預測資料線條圖。
圖 3. 選取要繪製的欄位 
注意預測 ($TS-Market_4) 線條如何超過實際資料的末尾。 您現在有了這個市場今後三個月的預期需求預測。
在整個時間數列中實際和預測資料的線條在圖形上挨在一起，指出這是此特定時間數列的可靠模型。
圖 4. Market_4 的實際和預測資料時間繪圖 
在檔案中儲存模型以供在未來範例中使用：
- 按一下確定以關閉現行圖形。
- 開啟「時間數列」模型塊。
- 選擇檔案 > 儲存節點，並指定檔案位置。
- 按一下「儲存」。
您有了這個特定市場的可靠模型，但該預測的誤差限度是多少呢？您可以透過檢查信賴區間取得此值的指示。
- 按兩下串流中的最後一個「時間繪圖」節點（標為 Market_4 $TS-Market_4 的節點）以再次開啟其對話框。
- 按一下欄位選取器按鈕，並將 $TSLCI-Market_4 及 $TSUCI-Market_4 欄位新增至數列清單。
- 按一下「執行」。
現在您的圖形與之前相同，但新增了信賴區間的上限 ($TSUCI) 和下限 ($TSLCI)。
注意信賴區間的界限如何在預測期間演變，指出進一步預測未來時的不確定性增加。
但隨著每個時段過去，您會擁有另一個（在此情況下）月的實際使用資料，您可據此進行預測。 您可以將新資料讀入串流，並立即重新套用您認為可靠的模型。如需相關資訊，請參閱重新套用時間序列模型主題。
