[英]Time series forecasting using Regression Analysis in R
作為我工作的一部分,我需要使用R對時間序列數據評估不同的預測模型,並選擇誤差最小的模型。 為此,我想知道如何使用線性回歸(LR)方法來預測時間序列。 在時間序列中,通常只有1列包含連續數據,但是要使用LR,我們至少需要2個變量,例如y = Beta0 + Beta1 * x。 我有每月的銷售數字(x),但如何獲取y變量以使用LR。
普拉文(Praveen),我認為我們不會在此集中解決問題。我了解您正在嘗試根據過去的數據預測未來的銷售量。
假設您已經定義了一個data.frame
sales
,與revenue
和time_period
數據。
此刻,我將親自進行一些數據探索,以檢查變量之間是否存在某種相關性。
xyplot(revenue ~ time_period, data = sales)
然后,擬合模型
sales_model = lm(revenue ~ time_period, data = sales)
現在,已經建立了模型,應該計算出您要尋找的系數。 要獲取它們,只需運行summary(sales_model)
系數矩陣的第一列應為您提供模型的截距和斜率,它們是您要查找的beta 。
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.