從 Auto.arima 到 R 中的預測

Question

我不太明白 predict forecast()如何在R中的library(forecast)中應用外部回歸量的語法。

我的身材是這樣的：

fit <- auto.arima(Y,xreg=factors)

其中Y是一個 100 x 1 的時間timeSeries對象，因子是一個 100 x 5 的時間timeSeries對象。

當我去預測時，我申請...

forecast(fit, h=horizon)

我收到一個錯誤：

Error in forecast.Arima(fit, h = horizon) : No regressors provided

它是否希望我從擬合中重新添加 xregressors？ 我認為這些作為fit$xreg包含在fit對象中。 這是否意味着它要求 xregressors 的未來值，或者我應該重復我在擬合集中使用的相同值？ 該文檔未涵蓋預測步驟中xreg的含義。

我相信這一切意味着我應該使用

forecast(fit, h=horizon,xreg=factors)

或者

forecast(fit, h=horizon,xreg=fit$xreg)

這給出了相同的結果。 但我不確定預測步驟是將這些因素解釋為未來值，還是適當地解釋為以前的值。 所以，

1. 正如我所期望的那樣，這是根據純粹的過去值進行預測嗎？
2. 為什么我必須兩次指定 xreg 值？ 如果我排除它們，它就不會運行，所以它的行為不像一個選項。

Answer 1

如果我錯了，請糾正我，但我想你可能不完全理解帶有回歸器的ARIMA模型是如何工作的。

當您使用簡單的ARIMA模型（沒有回歸量）進行預測時，它只使用您時間序列的過去值來預測未來值。 在這樣的模型中，您可以簡單地指定您的地平線，它會為您提供預測，直到該范圍。

使用回歸量來構建ARIMA模型時，需要包含要預測的回歸量的未來值 。 例如，如果您使用溫度作為回歸量，並且您預測疾病發病率，那么您將需要未來的溫度值來預測疾病發病率。

事實上，文檔確實特別談到了xreg 。 查看?forecast.Arima並查看參數h和xreg 。 您將看到如果使用xreg ，則忽略h 。 為什么？ 因為如果你的函數使用xreg ，那么它需要它們進行預測。

因此，在您的代碼中，當您包含xreg時， h被忽略了。 由於您剛剛使用了用於擬合模型的值，因此它只是為您提供了同一組回歸量的所有預測， 就像將來一樣 。

Answer 2

相關https://stats.stackexchange.com/questions/110589/arima-with-xreg-rebuilding-the-fitted-values-by-hand

我讀到 R 中的 arima 很無聊，請參閱第 3 期和第 4 期

https://www.stat.pitt.edu/stoffer/tsa4/Rissues.htm

建議使用 xreg 導出正確的截距。

我正在使用excel的真實統計數據來確定實際常數是多少。 我有一位教授告訴我你需要有一個常數