Question

我正在预测使用谐波回归创建的时间序列：

（使用的包：tseries，forecast，TSA，plyr）

airp <- AirPassengers
TIME <- 1:length(airp)
SIN <- COS <- matrix(nrow = length(TIME), ncol = 6,0)
for (i in 1:6){
  SIN[,i] <- sin(2*pi*i*TIME/12)
  COS[,i] <- cos(2*pi*i*TIME/12)
}
SIN <- SIN[,-6]

decomp.seasonal <- decompose(airp)$seasonal

seasonalfit <- lm(airp ~ SIN + COS)

装配工作正常。预测时会出现问题。

TIME.NEW <- seq(length(TIME)+1, length(TIME)+12, by=1)
SINNEW <- COSNEW <- matrix(nrow=length(TIME.NEW), ncol = 6, 0)
for (i in 1:6) {
  SINNEW[,i] <- sin(2*pi*i*TIME.NEW/12)
  COSNEW[,i] <- cos(2*pi*i*TIME.NEW/12)
}
SINNEW <- SINNEW[,-6]

prediction.harmonic.dataframe <- data.frame(TIME = TIME.NEW, SIN = SINNEW, COS = COSNEW)

seasonal.predictions <- predict(seasonalfit, newdata = prediction.harmonic.dataframe)

这会导致警告：

Warning message:
'newdata' had 12 rows but variables found have 144 rows

我经历过，发现名称是SIN.1，SIN.2等等，而不是SIN1和SIN2 ...所以我手动更改了这些名称仍然没有工作。我还手动删除了SIN.6，因为它出于某种原因仍然存在。

帮助？

编辑：我也经历了类似的帖子，这些问题的答案并没有解决我的问题。

Answer 1

在使用不在data.frame（尤其是矩阵）中的变量拟合lm模型后尝试使用data.frame进行预测并不好玩。如果您始终根据data.frame中的数据拟合模型，那就更好了。

例如，如果你做了

seasonalfit <- lm(airp ~ ., data.frame(airp=airp,SIN=SIN,COS=COS))

然后你的预测会起作用。

或者你可以尝试将矩阵填充到data.frames中，但这通常是一个坏主意。你会做的

prediction.harmonic.dataframe <- data.frame(TIME = TIME.NEW, 
    SIN = I(SINNEW), COS = I(COSNEW))

I()（或AsIs函数）将它们保留为矩阵。

R谐波预测失败 - 新数据结构

1 个答案: