[英]Difference Predictors in Auto.Arima Forecast
我正在嘗試使用類似以下示例的預測變量來構建auto.arima預測。 我注意到我的預測器是不穩定的。 因此,我想知道是否應該在xreg參數中輸入預測變量之前對其進行區分,如下所示。 實際數據集要大得多,這只是一個例子。 任何意見是極大的贊賞。
碼:
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)
數據:
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
在參數auto.arima
執行dynamic regression
這是說您正在執行線性回歸,並用裝配誤差arma
過程。
當包含外部回歸變量時, auto.arima()
曾經要求對非平穩數據進行手動差異處理,但現在不再如此。 auto.arima()
會將非平穩數據作為輸入,並使用單位根測試確定差異的順序。
有關更多詳細信息,請參見Rob Hyndman的這篇文章 。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.