[英]Time series forecasting using Regression Analysis in R
作为我工作的一部分,我需要使用R对时间序列数据评估不同的预测模型,并选择误差最小的模型。 为此,我想知道如何使用线性回归(LR)方法来预测时间序列。 在时间序列中,通常只有1列包含连续数据,但是要使用LR,我们至少需要2个变量,例如y = Beta0 + Beta1 * x。 我有每月的销售数字(x),但如何获取y变量以使用LR。
普拉文(Praveen),我认为我们不会在此集中解决问题。我了解您正在尝试根据过去的数据预测未来的销售量。
假设您已经定义了一个data.frame
sales
,与revenue
和time_period
数据。
此刻,我将亲自进行一些数据探索,以检查变量之间是否存在某种相关性。
xyplot(revenue ~ time_period, data = sales)
然后,拟合模型
sales_model = lm(revenue ~ time_period, data = sales)
现在,已经建立了模型,应该计算出您要寻找的系数。 要获取它们,只需运行summary(sales_model)
系数矩阵的第一列应为您提供模型的截距和斜率,它们是您要查找的beta 。
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.