Question

我正在使用vars包并想要预测计算模型中的一些值：

# Get the model
x1 <- rnorm(15)
y1 <- x1 + rnorm(15)
trainFrame=data.frame(x1,y1);
model=VAR(trainFrame, p=3);
pr1=predict(model, trainFrame);
# Forecast values with new data
x2 <- rnorm(15)
y2 <- x2 + rnorm(15)
newFrame=data.frame(x2,y2);
pr2=predict(model, newFrame);

比较两个预测向量pr1和pr2表明它们是相同的。如何获得实际预测值而不是再次获得培训数据中的预测？

Answer 1

在这里，您可以为具有类属性varest的对象调用预测方法。

预测（对象，...，n.ahead = 10，ci = 0.95，dumvar = NULL）

n.ahead预测是针对估计的VAR递归计算的。

无需提供培训框架进行预测。

  pr2=pr1=predict(model)

Answer 2

它们不相同的原因是rnorm函数生成两组不同的随机数据，即第1部分和第2部分中使用的数据根本不相同。

要查看：

y1 <- rnorm(15)
y1
 [1] -0.05346192  0.34168852 -0.18398645  0.84534239 -0.97027620  0.39889488
 [7] -0.44039372  0.03008880  0.47940826 -0.73258837  1.06715936 -0.93316881
[13] -1.38306019 -0.42179145 -0.84193860

y2 <- rnorm(15) 
y2
 [1] -1.5849866  1.0203186  0.6242200 -0.5064240 -0.9497568 -0.2460866
 [7] -0.8262738  0.3100040  0.1352368  0.4030656 -0.7095272 -0.2856932
[13] -0.9061068  1.5968001  1.0259594

你会发现y1和y2不一样。

为确保rnorm函数生成相同的数据集，您可以使用函数"set.seed()"，以确保您的工作可重现。

Answer 3

我遇到了同样的问题（我想），所以我写了这个函数来计算n步提前预测。它虽然没有给出错误带或CI。

VAR.pred <- function(x, varest, n.ahead = 10)
{
 k <- ncol(varest$y)
 p <- varest$p
 Atemp <- matrix(NA, k, k*p + 1)

 for(i in 1:k) Atemp[i, ] <- (coef(varest)[[i]])[, 1]

 Const <- as.matrix(Atemp[, ncol(Atemp)])
 A <- Atemp[, -ncol(Atemp)]

 fcast <- matrix(NA, n.ahead, k)
 spoint <- as.matrix(x[nrow(x):(nrow(x)- p + 1), ])

 for(l in 1:n.ahead)
 {
  ftemp <- A[, 1:k]%*%t(spoint)[, 1]
  for(j in 2:p)   ftemp <- ftemp + A[, (1 + k*(j-1)):(k*j)]%*%t(spoint)[, j]
  ftemp <- ftemp + Const

  fcast[l, ] <- t(ftemp) 

  spoint <- rbind(t(ftemp), spoint)[1:p, ]
 }

 fframe <- data.frame(fcast)
 names(fframe) <- dimnames(x)[[2]]

 return(fframe)
}

给予pr1

VAR.pred(x = model$y, varest = model)

给予pr2

VAR.pred(x = newFrame, varest = model)

希望我帮助过。

如何从预测函数中获取样本外预测

3 个答案: