这是我用来预测ARIMA模型的代码:
plot(forecast(fit_past_data, xreg=mat_All_data), ylim=c(0,2000), xlim=c(0,365), xaxt='n')
par(new=T)
lines(fitted(fit_past_data),col="red", ylim=c(0,2000), xlim=c(0,365), xaxt='n')
par(new=T)
plot.ts(All_data,col="black", ylim=c(0,2000), xlim=c(0,365), xaxt='n')
所以,基本上我将我的样本分为“培训”(past_data,8个月的数据)和“测试”。 (all_data,10个月的数据)。当我运行代码时,我得到三行:一行用于过去数据的预测,一行用于过去数据的拟合值,最后一行用于所有数据。在这种情况下,我可以通过将其与实际值(比较黑线和蓝线)进行比较来查看我的预测是多么准确。
我想将此程序应用于简单线性回归模型。但是,如果我使用函数 predict()而不是 forecast(),我不会得到相同的情节。
ARIMA预测(红线=拟合值,蓝线=预测,黑线=实际数据)
简单线性回归预测