所以使用模型var和R的包'vars'，这样：
model_var <- VAR(my_data, lag.max=10)
roots(model_var)
pred <- predict(model_var, n.ahead=15)
如果my_data静止不存在问题。 但是，如果my_data不是静止的，我在my_data中区分所有时间序列，这是正确的吗？ 现在，我使用差分数据，并使用此数据进行预测。 因为我返回到预测的原始数据，我应该如何使用运算符diffinv（）？
谢谢！
卢卡
答案 0 :(得分：2)
您的数据应该是班级＆＃34; ts＆＃34;。如果您的数据是一个名为data
的矩阵类（数据）
[1]＆＃34; mts＆＃34; ＆＃34; TS＆＃34;
ddata＆lt; - diff（data）
现在您可以将数据返回到
级别diffinv（ddata，xi = t（data [1，]））
所以你的预测值出现在差异中，然后你将它们归还给它们，例如
diffinv（pred $ fcst $ VARIABLENAME [1，]，xi = t（data [nrow（data），＆＃34; VARIABLENAME＆＃34;]）
使用您的数据的最后一次观察作为初始值，您可以将预测返回到级别。其中nrow（data）是最后一行，＆＃34; VARIABLENAME＆＃34;是您感兴趣的变量的列。它是否有意义？
答案 1 :(得分：0)
@ user21240。由于我没有足够的分数来评论你的答案。我在这里写一篇文章。
从技术上讲，你说的是正确的。即diff()和diffinv()在任何系列中都与此完全相同。但这是将预测返回到水平的正确方法，尤其是在VAR的背景下。
使用符号表示法进行一些澄清可能会非常有用，因为即使我遇到同样的问题。