使用R中的回歸分析進行時間序列預測

Question

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。

Answer 1

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 。