帶有外生回歸變量的auto.arima的預測功能如何工作？

Question

我正在嘗試使用auto.arima擬合動態回歸模型。 我有每個客戶的天然氣（供暖）使用量（我想預測）和回歸變量集的月度數據（例如供暖度天數，燃氣價格，特定年份的結構假人和季節性假人）。 我有外生回歸變量的預測值。 每位客戶的使用量數據從2005年1月至2018年3月可用，所有其他數據都從2005年1月至2021年12月。我試圖預測2020年所有月份的每位客戶使用量。我不確定如何在auto.arima函數和預測函數。 我當前產生的預測值與使用月份不匹配，例如，2018年4月每個客戶的使用預測與2005年1月的實際使用情況一樣高，幾乎相等。 事實並非如此。

我正在嘗試使用forecats軟件包中的動態回歸模型預測住宅用戶的天然氣使用量。 我已經參考了Rob J. Hyndman教授的在線教科書https://otexts.com/fpp2/forecasting.html

#I generated the time series for the period for which the data is available (Jan 2005-Mar 2018)
Med_ros_upc.ts.test<-ts(Med_ros_upc.ts[,"ORMEDSCH410upc.r"], 
frequency    = 12, start = c(2005,1), end = c(2018,3))                        
#This is the set of external regressors including seasonal dummies(sd.ts)
xreg_Med<- cbind(Hdd = Med_ros_upc.ts[, "MEDHDD"],
             Hdd2 = Med_ros_upc.ts[, "MEDHDD2"],
             RPA = Med_ros_upc.ts[, "ORSCH410RPAt1.r"],  sd, 
             Jan2009, intdummf)
#I convert the xreg matrix into a time series. I use this in auto.arima
xreg_Med.ts<-ts(xreg_Med, frequency = 12, start = c(2005,1), 
end = c(2018,3))
#I generate a different xreg for forecast"
xreg_Med.ts1<-ts(xreg_Med, frequency = 12, start = c(2018,4),
 end = c(2021, 12))
fitdyn <- auto.arima(Med_ros_upc.ts.test, xreg =xreg_Med.ts)
fcast <- forecast(fitdyn , xreg = xreg_Med.ts1)

預期結果點數預測
2005年1月111.19 2005年2月89.22 ... 2005年4月53.86

實際結果點預測

2018年4月111.19 2018年5月89.22 ... 2018年6月53.86

Answer 1

您的訓練數據將於2005年1月開始，到2018年3月結束。因此，您的預測將從2018年4月開始。根據定義，預測將是對訓練數據的未來。

Answer 2

謝謝！ 這是我所做的：

`fitdyn <- auto.arima(Med_ros_upc.ts[,"ORMEDSCH410upc.r"], xreg =xreg_Med, stationary= TRUE)`
`fit<-fitted(fitdyn)`
`fcast_fit<-forecast(fit, h=36, xreg= xreg_Med)`

現在，我有兩個單獨的表，一個具有擬合值和預測值，這些值看起來還不錯。

但是，我收到此錯誤消息：

etsmodel中的錯誤（y，errortype [i]，trendtype [j]，seasontype [k]，dampered [l] 、:未使用的參數（xreg = xreg_Med）另外：警告消息：在ets（object，lambda = lambda，biasadj中） = biasadj，allow.multiplicative.trend = allow.multiplicative.trend，：遇到的值丟失。使用時間序列的最長連續部分

這是否意味着我獲得的預測沒有考慮外部回歸因素？