Sie müssen die Regressorwerte auch im Prognosezeitraum angeben:
%Vor%R Zeitreihenprognose mit auto.arima und xreg = erklärende Variablen
9
Ich habe viele Zeitreihen (Einzelhandelsdaten) und möchte sie für alle prognostizieren.
Betrachten wir zum Beispiel einen von ihnen:
%Vor%Ich möchte eine Prognose mit dem auto.arima-Modell machen:
%Vor% 
Es gibt ungewöhnlich hohe Verkäufe in der Nähe der Indizes 280-300. Ich weiß, dass es Feste gab. Ich möchte diese zu meinem Prognosemodell als erklärende Variablen füttern.
Ich habe einen Vektor Urlaub, wo TRUE --- erklärende Variablen.
%Vor%Ich versuche, diese erklärenden Daten dem Modell hinzuzufügen:
%Vor%Scheint wie es funktioniert, aber wenn ich versuche zu plotten, scheitert es mit einem Fehler:
%Vor%Vielleicht mache ich etwas falsch? Wie kann ich dem Modell erklärende Variablen hinzufügen und dann die Prognose planen?
Marta
13.03.2014, 09:41
quelle
1 Antwort
11
___ tag123r ___ R ist eine freie, quelloffene Programmiersprache und Softwareumgebung für statistische Berechnungen, Bioinformatik, Visualisierung und allgemeine Datenverarbeitung. Stellen Sie minimale, reproduzierbare, repräsentative Beispiele für Ihre Fragen bereit. Verwenden Sie dput () für Daten und geben Sie alle Nicht-Basis-Pakete mit Bibliotheksaufrufen an. Bilder für Daten oder Code nicht einbetten, eingerückte Codeblöcke verwenden. Verwenden Sie für statistische Fragen http://stats.stackexchange.com.
___ tag123timeseries ___ Eine Zeitreihe ist eine Folge von Datenpunkten mit Werten, die zu aufeinanderfolgenden Zeiten (entweder in kontinuierlicher Zeit oder zu diskreten Zeitpunkten) gemessen werden. Die Zeitreihenanalyse nutzt diese natürliche zeitliche Ordnung, um aus den zugrunde liegenden Daten Bedeutung und Trends zu extrahieren.
___ tag123forecasting ___ Bei der Prognose werden Werte (oder Verteilungen) geschätzt, die noch nicht beobachtet wurden.
___ antwort22380043 ___
___ qstntxt ___
___ qstnhdr ___ R Zeitreihenprognose mit auto.arima und xreg = erklärende Variablen
___
Ich habe viele Zeitreihen (Einzelhandelsdaten) und möchte sie für alle prognostizieren.
Betrachten wir zum Beispiel einen von ihnen:
%Vor%Ich möchte eine Prognose mit dem auto.arima-Modell machen:
%Vor%
Es gibt ungewöhnlich hohe Verkäufe in der Nähe der Indizes 280-300. Ich weiß, dass es Feste gab. Ich möchte diese zu meinem Prognosemodell als erklärende Variablen füttern.
Ich habe einen Vektor Urlaub, wo TRUE --- erklärende Variablen.
%Vor%Ich versuche, diese erklärenden Daten dem Modell hinzuzufügen:
%Vor%Scheint wie es funktioniert, aber wenn ich versuche zu plotten, scheitert es mit einem Fehler:
%Vor%Vielleicht mache ich etwas falsch? Wie kann ich dem Modell erklärende Variablen hinzufügen und dann die Prognose planen?
Stephan Kolassa
13.03.2014, 11:01
quelle
Tags und Links r time-series forecasting