Question

我在r中使用tbats（）函数来创建预测模型。

我想知道是否有人知道如何手动将ARMA（p，q）直接传递给tbats（）函数？

编辑：如果问题含糊不清，我道歉。在包的文档中，打印以下参数说明：

＆＃34;为错误选择ARMA（p，q）模型时要传递给auto.arima的其他参数。（请注意，xreg将被忽略，关于季节性和差异的任何参数都会被忽略，但是将使用控制p和q值的参数。）＆＃34;

它清楚地表明手动控制ARMA（p，q）可以通过直接传递给tbats（）函数的参数来完成。有谁知道怎么做？

https://www.rdocumentation.org/packages/forecast/versions/7.3/topics/tbats

Answer 1

很快，你不能。

tbats是一种混合算法，因此您不应该考虑使用它来构建ARMA模型。 tbats函数通过布尔参数use.arma.errors=TRUE/FALSE自动应用arma错误项，这会尝试更好地建模残差。

如果您想构建ARIMA模型，可以使用预测包中的auto.arima。

关于auto.arima

的示例

auto.arima(USJudgeRatings[,1], ic='aicc', stepwise=FALSE, start.p=3, start.q=1, max.p=3, max.q=3)

有关tbats的示例

omega<-USJudgeRatings[,1];p<-10; q<-2; phi<-3; 
tbats(omega, p,q, phi,use.arma.errors=TRUE)
BATS(0, {0,0}, 0.979, -)

Call: tbats(y = omega, use.box.cox = p, use.trend = q, use.damped.trend = phi, 
    use.arma.errors = TRUE)

Parameters
  Lambda: 0
  Alpha: -0.04239053
  Beta: 0.04362955
  Damping Parameter: 0.978616

Seed States:
         [,1]
[1,] 1.917976
[2,] 0.017468

Sigma: 0.1206409
AIC: 163.774

我的参数p，q和phi代表use.box.cox，use.trend和use.damped.trend。

更多信息

关于使用预测包here的不同模型，有一个很好的演示。
Tbats的定义如下：

[Tbats]时间序列分解模型由分解时间组成系列分为趋势，季节性，周期性和不规则成分。然后每个组成部分都是明确估算和统计测量的。然后重新组合每个估计的分量以估计a 最终模型并计算未来的预测。 BATS模型 然后将包含额外的自回归和移动平均值 组件（p，q），以更好地模拟中显示的任何剩余模式 模型残差。（Source）

Answer 2

Class ttl Total_Male Total_Female Total_Present Total_Male_Present Total_Female_Present Total_Absent Total_Male_Absent Total_Female_Absent ------ ----------- ----------- ------------ ------------- ------------------ -------------------- ------------ ----------------- ------------------- KG 4 2 2 2 1 1 2 1 1 NUR 4 2 2 2 1 1 2 1 1的{{1}}参数将从文档（...）传递到tbats

auto.arima

查看?tbats的文档，我们发现有关于为...: Additional arguments to be passed to ‘auto.arima’ when choose an ARMA(p, q) model for the errors. (Note that xreg will be ignored, as will any arguments concerning seasonality and differencing, but arguments controlling the values of p and q will be used.)和auto.arima设置值的参数。

因此，对于您正在进行的工作，将参数q，auto.arima(y, d = NA, D = NA, max.p = 5, max.q = 5, max.P = 2, max.Q = 2, max.order = 5, max.d = 2, max.D = 1, start.p = 2, start.q = 2, start.P = 1, start.Q = 1, stationary = FALSE, seasonal = TRUE, ic = c("aicc", "aic", "bic"), stepwise = TRUE, trace = FALSE, approximation = (length(x) > 150 | frequency(x) > 12), truncate = NULL, xreg = NULL, test = c("kpss", "adf", "pp"), seasonal.test = c("ocsb", "ch"), allowdrift = TRUE, allowmean = TRUE, lambda = NULL, biasadj = FALSE, parallel = FALSE, num.cores = 2, x = y, ...)和start.p添加到start.q调用以控制起始值并查看搜索范围。

在此示例中，最佳模型为trace。 tbats告诉我们ARIMA(0, 0, 0) with zero mean的值已被选中。

BATS(0, {0,0}, 0.979, -)

如何在r中的tbats（）中手动设置p和q？

2 个答案: