Question

我正在研究预测商店销售以预测学习的项目。到目前为止，我已成功使用简单的auto.Arima（）函数进行预测。但为了使这些预测更加准确，我可以使用协变量。我已经定义了在这篇文章的帮助下，使用xreg运算符影响商店销售的假期，促销等协变量：如何在R？

中的auto.arima（）中设置xreg参数

但我的代码失败了：

ARIMAfit＆lt; - auto.arima（saledata，xreg = covariates）

并提出错误说：

model.frame.default中的错误（formula = x~xreg，drop.unused.levels = TRUE）：变量长度不同（找到＆＃39; xreg＆＃39;）另外：警告消息：In！is .na（x）＆amp; ！is.na（rowSums（xreg））：较长的对象长度不是较短对象长度的倍数

以下是指向我的数据集的链接：https://drive.google.com/file/d/0B-KJYBgmb044blZGSWhHNEoxaHM/view?usp=sharing

这是我的代码：

data = read.csv("xdata.csv")[1:96,]
View(data)

saledata <- ts(data[1:96,4],start=1)
View(saledata)

saledata[saledata == 0] <- 1
View(saledata)

covariates = cbind(DayOfWeek=model.matrix(~as.factor(data$DayOfWeek)),
                 Customers=data$Customers,
             Open=data$Open,
                 Promo=data$Promo,
             SchoolHoliday=data$SchoolHoliday)
View(head(covariates))


# Remove intercept
covariates <- covariates[,-1]
View(covariates)

require(forecast)
ARIMAfit <- auto.arima(saledata, xreg=covariates)//HERE IS ERROR LINE
summary(ARIMAfit)

还告诉我如何预测未来48天。我知道如何使用简单的auto.Arima（）和n.ahead进行预测，但是在使用xreg时不知道如何进行预测。

Answer 1

几点。一，您可以将整个矩阵转换为ts对象，然后稍后隔离变量。其次，如果您在arima模型中使用协变量，那么当您预测样本外时，您需要提供它们。这可能意味着在为您感兴趣的变量生成预测之前预测每个协变量。在下面的示例中，为简单起见，我将数据拆分为两个样本。

dta = read.csv("xdata.csv")[1:96,]
dta <- ts(dta, start = 1)

# to illustrate out of sample forecasting with covariates lets split the data
train <- window(dta, end = 90)
test <- window(dta, start = 91)

# fit model
covariates <- c("DayOfWeek", "Customers", "Open", "Promo", "SchoolHoliday")
fit <- auto.arima(train[,"Sales"], xreg = train[, covariates])

# forecast
fcast <- forecast(fit, xreg = test[, covariates])

ARIMA使用auto.Arima（）和xreg进行预测

1 个答案: