Question

进一步考虑this thread中的内容：我尽可能地走了，但终于碰到了一堵墙。我希望使用 PLYR 来创建一些具有外部回归量的 ARIMA 模型。我一直在使用的过程的高级概述（代码示例数据如下）

1）我有一个包含业务，地区，收入和订单的数据框，所有这些都是按日期

2）对于业务+地区的每个组合，我想根据以前的收入值+以前的订单价值创建收入预测。

3）我想使用ARIMA模型（使用 auto.arima （））来计算收入和订单的最佳订单，然后将该信息应用于预测功能

4）我遇到的问题似乎归结为无法将多个列表传递给PLYR参数进行操作，这很可能归结为我的完全了解如何 llply 有效（希望这是一件容易的事）

以下是我正在处理的一些示例数据：

library(plyr)
library(xts)
library(forecast)

data <- data.frame(
    biz = sample(c("telco","shipping","tech"), 100, replace = TRUE),
    region = sample(c("mideast","americas","asia"), 100, replace = TRUE),
    date = rep(seq(as.Date("2010-02-01"), length=10, by = "1 day"),10),
    revenue = sample(1:100),
    orders = sample(1:100)
)

编辑：首先，通过ddply重新组织数据以摆脱重复的条目：

dataframe <- ddply(data, c("biz","region","date"), function(df) {
    c(revenue = sum(df[,4]),
        orders = sum(df[,5]))
})

步骤1：创建一个列表，其中包含每个业务+区域组合的时间序列信息：

list1 <- dlply(dataframe, .(biz,region), identity)

步骤2：将该列表转换为XTS对象，以便我们将其用于时间序列分析：

xtsobject <- llply(list1, function(list) {
    xts(x=list[,c("revenue","orders")], order.by=list[,"date"])
})

这是我遇到麻烦的地方。我想从auto.arima（）函数中创建一个订单列表，以传递给forecast.Arima（）函数。如果我只做一个没有外生回归量的变量，这将是直截了当的：

arimamodel1 <- llply(xtsobject, function(list) {
    fity <- auto.arima(list$revenue)
    })

然后我将该列表应用于forecast.Arima（）函数：

forecast1 <- llply(arimamodel1, function(model) {
    forecast.Arima(model, h=2)
    })

这很好。我已经尝试改变这个论点，为额外的回归量提供一些空间，但我不确定这些预测实际上是否会吸引x值：

arimamodel2 <- llply(xtstest, function(list) {
    fity <- auto.arima(list$revenue, xreg=list$orders)
    fitx <- auto.arima(list$orders)
    })

和预测：

forecast2 <- llply(arimamodel2, function(model) {
    forecast.Arima(model, h=2)
    })

...但似乎在预测功能中，我应该做的事情是以我通常使用的方式来考虑x回归模型.Arima（）具有多个回归量;类似的东西：

forecast.Arima(model,h=2, xreg=forecast(model,h=2)$mean)

但这不起作用。有没有人对如何使用PLYR根据auto.arima（）为多个回归量进行预测有任何见解？

Answer 1

我很确定我想出来了，万一有人偶然发现这个问题。只需要创建一个遍历所有这些参数的函数，然后通过lapply或llply传递该函数（问题中的数据对于auto.arima不起作用，因为它的创建方式，但它适用于我正在使用的实际数据）：

arimafunc <- function(list) {
    fity <- auto.arima(list$revenue, xreg=list$orders)
    fitx <- auto.arima(list$orders)
    forecast <- forecast.Arima(fity,h=2,xreg=forecast(fitx,h=2)$mean)
    return(forecast)
}

然后通过列表申请：

forecasts <- lapply(xtsobject,FUN=arimafunc)

我确信有一种方法可以使用像llply这样的内置功能或其中一个基本命令mapply来实现这一点，但现在可以使用......

plyr +预测多个回归量

1 个答案: