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
