[英]how to predict in-sample using auto.arima?
考虑这个简单的例子
> WWWusage %>% as_tibble() %>% head()
# A tibble: 6 x 1
x
<dbl>
1 88
2 84
3 85
4 85
5 84
6 85
我知道我可以使用forecast
包拟合ARIMA
模型。 这很容易。
> fit <- auto.arima(WWWusage)
> fit
Series: WWWusage
ARIMA(1,1,1)
Coefficients:
ar1 ma1
0.6504 0.5256
s.e. 0.0842 0.0896
sigma^2 estimated as 9.995: log likelihood=-254.15
AIC=514.3 AICc=514.55 BIC=522.08
问题是我想在训练样本中预测一步一步的预测。 也就是说,如何在原始数据中包含包含fit
预测的列prediction
?
使用forecast
只会返回obs的预测。 101
至110
(样本外)。
> forecast(fit)
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
101 218.8805 214.8288 222.9322 212.6840 225.0770
102 218.1524 208.4496 227.8552 203.3133 232.9915
我也希望所有以前(样本中)的预测(使用相同的参数)。 就像用lm
做broom:augment()
一样。
我该怎么办?
谢谢!
请参阅下面的解决方案。
df <- WWWusage %>% as_tibble()
fit <- auto.arima(df)
df$fitted <- fitted(fit)
由于您使用dplyr
进行最后一步,因此您也可以执行以下操作:
df <- df %>%
mutate(fitted = fitted(fit))
如果您想知道拟合值为什么与原始观测值完全一致,可以阅读forecast
包文档。 Rob Hyndman开发了该程序包,它非常复杂。 他使用反向预测和一系列移动平均值的预测来填充丢失的信息。
有关详细说明,请参见上预测他的在线图书https://otexts.com/fpp2/并为文档forecast
在https://cran.r-project.org/web/packages/forecast/forecast.pdf 。
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.