Auto.Arima预测中的差异预测器

Question

我正在尝试使用类似以下示例的预测变量来构建auto.arima预测。 我注意到我的预测器是不稳定的。 因此，我想知道是否应该在xreg参数中输入预测变量之前对其进行区分，如下所示。 实际数据集要大得多，这只是一个例子。 任何意见是极大的赞赏。

码：

tsTrain <-tsTiTo[1:60]
tsTest <- tsTiTo[61:100]

ndiffs(ds$CustCount)
##returns 1

diffedCustCount<-diff(ds$CustCount,differences=1)

Xreg<-diffedCustCount[1:100]

##Predictor
xregTrain2 <- Xreg[1:60]
xregTest2 <- Xreg[61:100]


Arima.fit2 <- auto.arima(tsTrain, xreg = xregTrain2)

Acast2<-forecast(Arima.fit2, h=40, xreg = xregTest2)

数据：

dput(ds$CustCount[1:100])

c（3，3，1，4，4，1，3，2，3，2，4，1，1，5，6，8，8，5，7，7，7，2，2，2，2，1， 3、2、3、1、1、2、1、1、3、2、2、2、3、7、5、6、8、7、3、5、6、6、8、4、2 1，2，1，NA，NA，4，2，2，4，11，2，8，1，4，7，11，5，3，10，7，1，1，NA，2，NA， NA，2，NA，NA，1、2、3、5、9、5、9、6、6、1、5、3、7、5、8、3、2、6、3、2、3， 1）

dput(tsTiTo[1:100])

c（45，34，11，79，102，45，21，45，104，20，2，207，45，2，3，153，8，2，173，11，207，79，45，153， 192，173，130，4，173，174，173，130，79，154，4，104，192，153，192，104，28，173，52，45，11，29，22，81，7， 79、193、104、1、1、46、130、45、154、153、7、174、21、193、45、79、173、45、153、45、173、2、1、2、1 1，8，1，1，79，45，79，173，45，2，173，130，104，19，4，34，2，192，42，41，31，39，11，79，4， 79）

Answer 1

所述xreg在参数auto.arima执行dynamic regression这是说您正在执行线性回归，并用装配误差arma过程。

当包含外部回归变量时， auto.arima()曾经要求对非平稳数据进行手动差异处理，但现在不再如此。 auto.arima()会将非平稳数据作为输入，并使用单位根测试确定差异的顺序。

有关更多详细信息，请参见Rob Hyndman的这篇文章 。