在我使用arima预测后,我得到了样本的结果。然后我像coefficient(fit)%*% c(1,y(future value))
一样手工计算进行预测。
这是一个简单的例子。
set.seed(1)
zts <- ts(rnorm(240), start=c(1990,1), frequency=12)
fit <- arima(window(zts, end=c(2000,12),frequency=12), order=c(1,0,0))
Call:
arima(x = window(zts, end = c(2000, 12), frequency = 12), order = c(1, 0, 0))
Coefficients:
ar1 intercept
-0.0153 0.0954
s.e. 0.0872 0.0732
sigma^2 estimated as 0.7294: log likelihood = -166.47, aic = 338.94
predict(fit, n.ahead=1)
$pred
Jan
2001 0.1059105
$se
Jan
2001 0.8540253
t (c(0.0954, -0.0153 ))%*%c(1, 0.531496193)
: 0.08726811
===========&GT; 0.08726811是不同的0.1059105。
答案 0 :(得分:0)
在R arima
中,首先在拟合模型之前贬低您的数据。我可以重现predict
结果:
coef(fit)%*%c(window(zts, end=c(2000,12),frequency=12)[132]-coef(fit)[2],1)
0.1059105