Question

我正在尝试使用auto.arima拟合动态回归模型。我有每个客户的天然气（供暖）使用量（我想预测）的月度数据，以及一组回归数据（例如供暖度日，天然气价格，特定年份的结构假人和季节性假人）。我有外生回归变量的预测值。每位客户的使用数据从2005年1月至2018年3月可用，所有其他数据都从2005年1月至2021年12月。我正在尝试预测2020年所有月份的每客户使用量。我不确定如何在auto.arima函数的xreg和Forecast函数之间划分数据。我当前产生的预测值与使用月份不匹配，例如，2018年4月每个客户的使用预测与2005年1月的实际使用情况一样高，几乎相等。情况并非如此。

我正在尝试使用forecats软件包中的动态回归模型预测住宅用户的天然气使用量。我已经参考了Rob J. Hyndman教授的在线教科书 https://otexts.com/fpp2/forecasting.html

#I generated the time series for the period for which the data is available (Jan 2005-Mar 2018)
Med_ros_upc.ts.test<-ts(Med_ros_upc.ts[,"ORMEDSCH410upc.r"], 
frequency    = 12, start = c(2005,1), end = c(2018,3))                        
#This is the set of external regressors including seasonal dummies(sd.ts)
xreg_Med<- cbind(Hdd = Med_ros_upc.ts[, "MEDHDD"],
             Hdd2 = Med_ros_upc.ts[, "MEDHDD2"],
             RPA = Med_ros_upc.ts[, "ORSCH410RPAt1.r"],  sd, 
             Jan2009, intdummf)
#I convert the xreg matrix into a time series. I use this in auto.arima
xreg_Med.ts<-ts(xreg_Med, frequency = 12, start = c(2005,1), 
end = c(2018,3))
#I generate a different xreg for forecast"
xreg_Med.ts1<-ts(xreg_Med, frequency = 12, start = c(2018,4),
 end = c(2021, 12))
fitdyn <- auto.arima(Med_ros_upc.ts.test, xreg =xreg_Med.ts)
fcast <- forecast(fitdyn , xreg = xreg_Med.ts1)

预期结果积分预测
2005年1月111.19 2005年2月89.22 ... 2005年4月53.86

实际结果点预测

2018年4月111.19 2018年5月89.22 ... 2018年6月53.86

Answer 1

您的训练数据将于2005年1月开始，到2018年3月结束。因此，您的预测将从2018年4月开始。根据定义，预测将是训练数据的未来。

Answer 2

谢谢！这就是我所做的：

`fitdyn <- auto.arima(Med_ros_upc.ts[,"ORMEDSCH410upc.r"], xreg =xreg_Med, stationary= TRUE)`
`fit<-fitted(fitdyn)`
`fcast_fit<-forecast(fit, h=36, xreg= xreg_Med)`

现在我有两个单独的表，其中一个具有拟合值和预测值，这些值看起来还不错。

但是，我收到此错误消息：

etsmodel中的错误（y，错误类型[i]，趋势类型[j]，季节类型[k]，阻尼[l] 、：未使用的参数（xreg = xreg_Med）另外：警告消息：在ets（object，lambda = lambda，biasadj = biasadj，allow.multiplicative.trend = allow.multiplicative.trend，：缺少值。使用时间序列的最长连续部分

这是否意味着我获得的预测没有考虑外部回归因素？

带有外生回归变量的auto.arima的预测功能如何工作？

2 个答案: