[英]Forecasting multiple variable time series in R
我正在嘗試使用R預測三個變量,但是我遇到了有關如何處理相關性的問題。
我嘗試預測的三個變量是收入,訂閱和價格。
我最初的方法是對訂閱和價格進行兩個獨立的時間序列預測,並將結果相乘以生成收入預測。
我想了解這種方法是否有意義,因為價格和訂戶之間存在內在的關聯,而這是我不知道如何處理的部分。
# Load packages.
library(forecast)
# Read data
data <- read.csv("data.csv")
data.train <- data[0:57,]
data.test <- data[58:72,]
# Create time series for variables of interest
data.subs <- ts(data.train$subs, start=c(2014,1), frequency = 12)
data.price <- ts(data.train$price, start=c(2014,1), frequency = 12)
#Create model
subs.stlm <- stlm(data.subs)
price.stlm <- stlm(data.price)
#Forecast
subs.pred <- forecast(subs.stlm, h = 15, level = c(0.6, 0.75, 0.9))
price.pred <- forecast(price.stlm, h = 15, level = c(0.6, 0.75, 0.9))
任何幫助是極大的贊賞!
看起來您可以使用向量自回歸(VAR)模型。 查看此處提供的描述和代碼: https : //otexts.org/fpp2/VAR.html
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.