Question

我使用下面的代码在R中对一组时间序列数据进行了预测。场景1和场景1之间的唯一区别2是我在场景2中错误地将原始时间序列和子集时间序列设置为start=c(2015,12)。两种场景的预测结果是不同的。两种方案都具有与预测中使用的子集数据相同的开始日期。我不明白为什么原始时间序列开始日期会影响预测结果。

# Scenario 1    

ts.vision = ts(data=vision$ADJ_ILR, frequency = 12,start=c(2015,1), end=c(2017,12))                             
ts.vision.sub <- window(ts.vision, start=c(2015, 12))                               
ts.vision.fit <- stl(ts.vision.sub, t.window=15, s.window="periodic", robust=TRUE)                              
forecast(ts.vision.fit, h=12)


# Scenario 2    

ts.vision = ts(data=vision$ADJ_ILR, frequency = 12,start=c(2015,12), end=c(2017,12))                                
ts.vision.sub <- window(ts.vision, start=c(2015, 12))                               
ts.vision.fit <- stl(ts.vision.sub, t.window=15, s.window="periodic", robust=TRUE)                              
forecast(ts.vision.fit, h=12)

这是类似的情况，我使用基础R上可用的nottem数据集重写了两个场景：＃场景1 ts.nottem = ts（nottem，frequency = 12，start = c（1920,1），end = c（1939,12）） ts.nottem.sub＆lt; - window（ts.nottem，start = c（1937,12）） ts.nottem.fit＆lt; - stl（ts.nottem.sub，t.window = 15，s.window =＆＃34; periodic＆＃34;，robust = TRUE）预测（ts.nottem.fit，h = 12）

#Scenario 2
ts.nottem = ts(nottem, frequency = 12,start=c(1937,12), end=c(1939,12))
ts.nottem.sub <- window(ts.nottem, start=c(1937, 12))   
ts.nottem.fit <- stl(ts.nottem.sub, t.window=15, s.window="periodic", robust=TRUE)      
forecast(ts.nottem.fit, h=12)

我不明白为什么预测结果不同，即使方案1和方案之间的子集时间序列数据相同。 2。

Answer 1

以下是一些内置数据的示例

library(forecast)
ts.1 <- ts(data=nottem[1:36], frequency = 12, start=c(2015,1), end=c(2017,12))                             
ts.1.sub <- window(ts.1, start=c(2015, 12))                               
ts.1.fit <- stl(ts.1.sub, t.window=15, s.window="periodic", robust=TRUE)                              
ts.1.fc <- forecast(ts.1.fit, h=12)

ts.2 <- ts(data=nottem[1:36], frequency = 12, start=c(2015,12), end=c(2017,12))                             
ts.2.sub <- window(ts.2, start=c(2015, 12))                               
ts.2.fit <- stl(ts.2.sub, t.window=15, s.window="periodic", robust=TRUE)                              
ts.2.fc <- forecast(ts.2.fit, h=12)

#all.equal(ts.1.fc, ts.2.fc) # NO!

我省略了长长的愤怒信息！发生了什么？看看两个子集对象：

head(ts.1.sub)
#>       Jan  Feb  Mar  Apr  May Jun Jul Aug Sep Oct Nov  Dec
#> 2015                                                  39.8
#> 2016 44.2 39.8 45.1 47.0 54.1

head(ts.2.sub)

#>       Jan  Feb  Mar  Apr  May Jun Jul Aug Sep Oct Nov  Dec
#> 2015                                                  40.6
#> 2016 40.8 44.4 46.7 54.1 58.5

它们不一样，因为在方案1中，您通过原始数据中的第36个值获得第12个值，而在方案2中，您获得第1个到第25个值。

在R中，原始时间序列是否会影响子集时间序列的预测结果？

1 个答案: