作为我工作的一部分，我需要使用R评估时间序列数据的不同预测模型，并选择误差最小的模型。为此，我想知道如何使用线性回归（LR）方法来预测时间序列。在时间序列中，我们通常只有1列连续数据，但要使用LR，我们至少需要2个变量，如y = Beta0 + Beta1 * x。我有月度（x）的销售数字但是如何让y变量使用LR。
答案 0 :(得分：0)
Praveen，我认为我们并没有把重点放在这里。我知道你们正在尝试根据过去的数据来预测未来的销售情况。
假设您已使用data.frame和sales数据定义了revenue time_period。
此时，我会亲自进行一些数据探索，以检查变量之间是否存在某种相关性。
xyplot(revenue ~ time_period, data = sales)
然后，适合模型
sales_model = lm(revenue ~ time_period, data = sales)
现在建立模型并计算您要查找的系数。要获得它们，只需运行summary(sales_model)
系数矩阵的第一列应该给出模型的截距和斜率，它们是您正在寻找的 beta 。