R-在帶有外部回歸變量的auto.arima中進行預測

Question

進一步討論使用外部回歸器擬合Arima模型。

從Auto.arima到R中的預測

考慮到預測變量的未來值可以解釋我的響應變量（churn_rate），因此我能夠對接下來的5個月進行完美的預測。

arima_model_churn_rate <- auto.arima(tsm_churn_rate, stepwise = FALSE,
                                 approximation = FALSE, 
                                 xreg = xreg_in_out_p_month_1)


number_of_future_month <- 5
forecast_churn_rate <- forecast (arima_model_churn_rate,
                             xreg = xreg_fut_in_out_p_month_churn_rate, 
                             h = number_of_future_month)
plot(forecast_churn_rate)

• 我的問題是，由於我需要在將來進行預測，我是否可以等待對預測變量進行測量以對未來幾個月進行預測？

• 如果必須等到月底，那么我可以做簡單的計算來了解流失率是多少？

• 在這種情況下，我的目標是預測未來3個月的預測值，我應該怎么做？

我對博客中討論的整個場景感到困惑。 對於具有外部回歸變量的Arima模型，我們需要將來的值。 例如，在我僅使用2年數據對模型進行訓練，然后將接下來5個月的測量值用作預測值的情況下，它就非常有效。

但是，如果我想預測未來的3/6 /甚至年份，並且如果我必須等待未來的值，那我已經在那個時間點了。 那么，預測毫無意義。

有人可以向我解釋這整個概念。 抱歉，如果我不能很好地解釋整個情況。 我盡力做到了。

提前致謝 ！！

Answer 1

如果您沒有未來預測變量的值，則需要先預測它們，或使用其他模型。

您可以嘗試不使用那些預測變量的模型，或者可以包含預測變量的滯后值，其中滯后時間至少與預測范圍一樣長。