如何缩小汇总的预测数据与每月真实数据之间的差距。

Question

这个问题有点像我在这里提出的一个后续问题： R: Summarize inside an nlsLM() statement

有了提供的答案，当仅给出每月数据时，我就可以进行适当的细微预测。但是，这样说来，在平均这些微小的预测时，我仍然无法正确排列。例如，考虑以下数据框：

structure(list(datetime = structure(c(1483246800, 1491022800, 
1514782800, 1514782800, 1491022800, 1512104400, 1506834000, 1519880400, 
1488344400, 1509512400, 1496293200, 1517461200, 1517461200, 1491022800, 
1498885200, 1483246800, 1509512400, 1493614800, 1509512400, 1491022800, 
1498885200, 1514782800, 1514782800, 1496293200, 1498885200, 1496293200, 
1491022800, 1483246800, 1491022800, 1509512400, 1488344400, 1504242000, 
1493614800, 1506834000, 1519880400, 1522558800, 1491022800, 1498885200, 
1485925200, 1512104400, 1493614800, 1498885200, 1498885200, 1522558800, 
1512104400, 1488344400, 1498885200, 1517461200, 1501563600, 1509512400
), class = c("POSIXct", "POSIXt"), tzone = ""), value = c(51682.4946266667, 
40183.82222, 51916.3440866667, 51916.3440866667, 40183.82222, 
52104.55914, 59971.29032, 50324.4333333333, 21255.3763466667, 
63782.1333333333, 50823.3333333333, 59876.3333333333, 59876.3333333333, 
40183.82222, 51522.6666666667, 51682.4946266667, 63782.1333333333, 
46994.1506666667, 63782.1333333333, 40183.82222, 51522.6666666667, 
51916.3440866667, 51916.3440866667, 50823.3333333333, 51522.6666666667, 
50823.3333333333, 40183.82222, 51682.4946266667, 40183.82222, 
63782.1333333333, 21255.3763466667, 22638.7333333333, 46994.1506666667, 
59971.29032, 50324.4333333333, 56303.6666666667, 40183.82222, 
51522.6666666667, 36981.3333333333, 52104.55914, 46994.1506666667, 
51522.6666666667, 51522.6666666667, 56303.6666666667, 52104.55914, 
21255.3763466667, 51522.6666666667, 59876.3333333333, 38082, 
63782.1333333333), mon = structure(c(2017, 2017.25, 2018, 2018, 
2017.25, 2017.91666666667, 2017.75, 2018.16666666667, 2017.16666666667, 
2017.83333333333, 2017.41666666667, 2018.08333333333, 2018.08333333333, 
2017.25, 2017.5, 2017, 2017.83333333333, 2017.33333333333, 2017.83333333333, 
2017.25, 2017.5, 2018, 2018, 2017.41666666667, 2017.5, 2017.41666666667, 
2017.25, 2017, 2017.25, 2017.83333333333, 2017.16666666667,2017.66666666667, 
2017.33333333333, 2017.75, 2018.16666666667, 2018.25, 2017.25, 
2017.5, 2017.08333333333, 2017.91666666667, 2017.33333333333, 
2017.5, 2017.5, 2018.25, 2017.91666666667, 2017.16666666667, 
2017.5, 2018.08333333333, 2017.58333333333, 2017.83333333333), class ="yearmon"), MW = c(6.8193905496418, 2.23569140013909, 7.29307427883793, 
3.89520682166607, 0, 6.83392781148047, 6.79889072887827, 
7.04895914386027, 0, 0, 4.94768283491513, 7.25490198653147, 
5.9299826558944, 2.29357235334133, 0, 0, 0, 2.59727606832981, 
0, 5.7905706950062, 0, 6.47212567650073, 0, 6.11914427796473, 
6.5166676962948, 6.12862205050107, 6.3110616267544, 6.19377239265973, 
5.83618844693073, 7.12230897980393, 0, 0, 0, 3.55167797993943, 
7.45808446388613, 0, 0, 0, 0.95175263904598, 0.924012542790133, 
0, 6.215125001929, 6.79951155611973, 0, 0, 0, 0, 6.6579396958766, 
0, 3.69549937335895)), .Names = c("datetime", "value", "mon", "MW"), row.names = c(5226L, 8762L, 21233L, 21545L, 7433L, 16167L, 
18052L, 277L, 5887L, 20047L, 13166L, 22224L, 22817L, 8102L, 9040L, 
5000L, 19304L, 11169L, 19027L, 7565L, 9053L, 20963L, 20856L, 
12311L, 9980L, 12456L, 7511L, 4889L, 7574L, 20438L, 6088L, 3178L, 
10639L, 18061L, 1273L, 1729L, 8194L, 9145L, 13831L, 16145L, 10618L, 
9558L, 9879L, 1747L, 17121L, 7014L, 9303L, 22813L, 15951L, 19159L), class = "data.frame")

如果我们在选定的数据帧上运行上面给出的链接中提供的代码，则使用以下代码（使用ggplot2）对其进行绘制：

p = ggplot(joined, aes(x = datetime))
p = p + labs(x = 'Date', y = 'Predicts',
           title = 'Model vs. Truth Comparison')
p = p + geom_line(aes(y = joined$monthly_avg_prediction), color = 'blue')
p = p + geom_line(aes(y = joined$value), color = 'red')

然后我们可以看到蓝线（我们的预测月度值）通常低于真实值。使用完整的数据集更容易看到这一点，但是对于此处的可重现示例而言，发布太多了。如果您想准确地看到结果，下面是一个使用全套数据的示例：

我最初的解决方法是使用R中的lm()函数，使用以下代码在正确的方向上调整预测：

adjust = lm(value~monthly_avg_prediction + 0, data = joined)
linadj = coef(adjust)
joined$monthly_avg_prediction = (joined$monthly_avg_prediction) * linadj[1]

我的问题是，是否有更好的方法可以给出更准确的模型预测。这种方式肯定会使我接近，并且使用足够的p值可以做到这一点，但是我想确保它的有效性。

提前感谢您提供任何建议！