协变员不在tslm工作

Question

我有每周零售销售的季节性时间序列数据，我正在尝试使用Hyndman预测包的tslm函数，以适应除趋势和季节之外的回归量模型。

我遇到的问题是，当我构建tslm时，在添加任何回归程序（仅趋势+季节）之前，我在训练数据上得到了完美的拟合（R ^ 2 = 1）！

完美契合是有问题的，因为我添加到模型中的任何其他协变量（正在出售的物品数量，分布等）对预测没有影响（无关紧要）。只看数据，我知道其他回归因素很重要，所以我不确定我哪里出错了。希望社区中的某些人可以帮助我。

有关我正在使用的数据的一些信息：

1. 数据集包含2014年至2017年的每周数据
2. 培训数据包含156个每周观察（2014年 - 2016年）
3. 测试数据包含2017年的48项观察

我正在使用每周季节性来建立时间序列：

ts.train <- ts(df.train$sales, freq=365.25/7)
m.lm <- tslm(ts.train ~ trend + season + items, data=df.train)
p.lm <- forecast(m.lm, 
               h=48,
               newdata=data.frame(items=df.test$items))

如果我离开＆＃34;物品＆＃34;在公式之外，预测根本不会改变。

我感谢任何意见和指导！

Answer 1

项目可能包含太多变量（如果它们是虚拟变量），因为您可以完美契合。请参阅：https://www.otexts.org/fpp2/useful-predictors.html

例如，您只需要6个虚拟变量来计算7周工作日。