我正在用R开发一个向量自回归（VAR）时间序列模型。模型规范包括一个称为“endog”的内生变量的矩阵（xts类）和一个矩阵（也是{{1} } class）被称为“exog”的外生变量。数据是季节性的，我想要预测季节性，所以我也指定“季节= 12”，因为数据是每月。所以执行var模型的R代码是：
xts此代码运行顺利。但现在我想预测未来24个时期的数据。所以我的预测代码是：
fit <- var(endog, p = 1, season = 12, type = 'const', exogen = exog)
其中“exog_future”是与exog相同的变量的矩阵（也是predictions <- predict(fit, exo.fcst = exog_future, n.ahead = 24, ci = 0.95)
类），但包括将要预测的24个未来期间。 （我尝试了两个版本：一个是历史数据exog加上接下来24个时期的新数据，另一个版本只包括24个时期。）
我收到以下错误消息：
predict.varest中的错误（VAR（endog，p = 1，season = 12，type =“const”，： 没有提供dumvar的矩阵，但是对象varest包含外生变量。
显然，除了外生变量外，R还需要一个虚拟变量矩阵。除非R将“season = 12”规范视为虚拟变量矩阵，否则模型规范不包含虚拟变量，那么为什么它现在需要虚拟变量呢？如果它确实将季节性规范视为虚拟变量，那么我将“season = 12”添加到我的预测代码中。我收到了同样的错误消息。
我理解如果模型包含外生变量，那么我必须在预测代码中提供这些变量的未来值。我也明白，如果我提供虚拟变量，那么预测将需要这些变量的未来值，原因基本相同。它们是外生变量，只是二元变量。
因此，当模型规范不包含虚拟变量时，R期望我为“dumvar”提供什么？
答案 0 :(得分：0)
事实上，当您在培训中具有外生价值时，您必须在函数exog_future中包含未来的外生值dumvar作为predict()的参数，在您的情况下，您应该设置dumvar=exog_future以便
predictions <- predict(fit, dumvar = exog_future, n.ahead = 24, ci = 0.95)
在R文档http://127.0.0.1:26594/library/vars/html/predict.html中，它表示函数predict()的主要参数是object，n.ahead，ci和dumvar ，为了避免混淆，你可以忽略参数exo.fcst。这很令人困惑，因为似乎exo.fcst是exog_future的正确参数，但在实践中，您应该始终使用dumvar，而不是exo.fcst。