从 Auto.arima 到 R 中的预测

Question

我不太明白 predict forecast()如何在R中的library(forecast)中应用外部回归量的语法。

我的身材是这样的：

fit <- auto.arima(Y,xreg=factors)

其中Y是一个 100 x 1 的时间timeSeries对象，因子是一个 100 x 5 的时间timeSeries对象。

当我去预测时，我申请...

forecast(fit, h=horizon)

我收到一个错误：

Error in forecast.Arima(fit, h = horizon) : No regressors provided

它是否希望我从拟合中重新添加 xregressors？ 我认为这些作为fit$xreg包含在fit对象中。 这是否意味着它要求 xregressors 的未来值，或者我应该重复我在拟合集中使用的相同值？ 该文档未涵盖预测步骤中xreg的含义。

我相信这一切意味着我应该使用

forecast(fit, h=horizon,xreg=factors)

或者

forecast(fit, h=horizon,xreg=fit$xreg)

这给出了相同的结果。 但我不确定预测步骤是将这些因素解释为未来值，还是适当地解释为以前的值。 所以，

1. 正如我所期望的那样，这是根据纯粹的过去值进行预测吗？
2. 为什么我必须两次指定 xreg 值？ 如果我排除它们，它就不会运行，所以它的行为不像一个选项。

Answer 1

如果我错了，请纠正我，但我想你可能不完全理解带有回归器的ARIMA模型是如何工作的。

当您使用简单的ARIMA模型（没有回归量）进行预测时，它只使用您时间序列的过去值来预测未来值。 在这样的模型中，您可以简单地指定您的地平线，它会为您提供预测，直到该范围。

使用回归量来构建ARIMA模型时，需要包含要预测的回归量的未来值 。 例如，如果您使用温度作为回归量，并且您预测疾病发病率，那么您将需要未来的温度值来预测疾病发病率。

事实上，文档确实特别谈到了xreg 。 查看?forecast.Arima并查看参数h和xreg 。 您将看到如果使用xreg ，则忽略h 。 为什么？ 因为如果你的函数使用xreg ，那么它需要它们进行预测。

因此，在您的代码中，当您包含xreg时， h被忽略了。 由于您刚刚使用了用于拟合模型的值，因此它只是为您提供了同一组回归量的所有预测， 就像将来一样 。

Answer 2

相关https://stats.stackexchange.com/questions/110589/arima-with-xreg-rebuilding-the-fitted-values-by-hand

我读到 R 中的 arima 很无聊，请参阅第 3 期和第 4 期

https://www.stat.pitt.edu/stoffer/tsa4/Rissues.htm

建议使用 xreg 导出正确的截距。

我正在使用excel的真实统计数据来确定实际常数是多少。 我有一位教授告诉我你需要有一个常数