預測R中的多個可變時間序列

Question

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！

Answer 1

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