使用R中的回归分析进行时间序列预测

Question

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。

Answer 1

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 。