[英]Difference Predictors in Auto.Arima Forecast
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)
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 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.