Question

我使用预测包中的ets（）和auto.arima（）函数来预测R中的未来值。应该使用哪个标准来选择这两者之间的最佳模型？

以下是ets（data.ets）和auto.arima（data.ar）的准确度输出。

> accuracy(data.ets)
   ME      RMSE       MAE       MPE      MAPE      MASE 
0.6995941 4.1325246 3.2634246 0.5402465 2.7777897 0.5573740 

> accuracy(data.ar)
    ME       RMSE        MAE        MPE       MAPE       MASE 
-0.8215465  4.3640818  3.1070931 -0.7404200  2.5783128  0.5306735

和每个型号的AIC如下

> ETSfit$aic
[1] 613.8103
> ARIMAfit$aic
[1] 422.5597

以下是ets和auto.arima的拟合模型

> ETSfit 
ETS(A,N,A) 

Call:
 ets(y = data.ts) 

Smoothing parameters:
alpha = 0.5449 
gamma = 1e-04 

Initial states:
l = 95.8994 
s=6.3817 -3.1792 6.8525 3.218 -3.4445 -1.2408
       -4.5852 0.4434 1.7133 0.8123 -1.28 -5.6914

sigma:  4.1325

 AIC     AICc      BIC 
613.8103 620.1740 647.3326

> ARIMAfit
Series: data.ts 
ARIMA(1,1,1)(0,1,1)[12]                    

Coefficients:
     ar1      ma1     sma1
  0.3808  -0.7757  -0.7276
s.e.  0.1679   0.1104   0.2675

sigma^2 estimated as 22.68:  log likelihood=-207.28
AIC=422.56   AICc=423.19   BIC=431.44

请帮助。

Answer 1

您正在显示难以比较的样本内准确度度量，而不知道每个模型中有多少参数。此外，这些模型类之间的AIC值不具有可比性。

最简单的方法是使用不用于模型选择或估计的测试集，然后比较测试集上预测的准确性。

更复杂的版本是使用时间序列交叉验证，如http://otexts.com/fpp/2/5/所述。

Answer 2

您可以考虑使用两者的简单平均值，但您应该根据样本性能做出此决定。

我今天刚刚阅读了预测包的作者的一篇文章。他在预测比赛中运行了大约3000个系列赛的模型，发现他在获得ets（）和auto.arima（）的简单平均值时得到了最好的结果。

article

在我挖掘链接后，我意识到该文章的作者已经回答了您的问题！

哪个是在R中选择ets（）和auto.arima（）函数的最佳标准？

2 个答案: