Question

考虑这个简单的例子

> WWWusage %>% as_tibble() %>% head()
# A tibble: 6 x 1
      x
  <dbl>
1    88
2    84
3    85
4    85
5    84
6    85

我知道我可以使用ARIMA包来适合forecast模型。这很容易。

> fit <- auto.arima(WWWusage)
> fit
Series: WWWusage 
ARIMA(1,1,1) 

Coefficients:
         ar1     ma1
      0.6504  0.5256
s.e.  0.0842  0.0896

sigma^2 estimated as 9.995:  log likelihood=-254.15
AIC=514.3   AICc=514.55   BIC=522.08

问题是我想在训练样本中预测提前一步的预测。也就是说，如何在原始数据中包含prediction的预测列fit？

使用forecast仅返回obs的预测。 101至110（超出样本）。

> forecast(fit)
    Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
101       218.8805 214.8288 222.9322 212.6840 225.0770
102       218.1524 208.4496 227.8552 203.3133 232.9915

我也希望所有以前的（样本中）预测（使用相同的参数）。就像用broom:augment()做lm。

我该怎么办？

谢谢！

Answer 1

请参阅下面的解决方案。

df <- WWWusage %>% as_tibble()
fit <- auto.arima(df)
df$fitted <- fitted(fit)

由于您使用的是dplyr，因此对于最后一步，您还可以执行以下操作：

df <- df %>% 
  mutate(fitted = fitted(fit))

如果您想知道拟合值为什么与原始观察值完全一致，可以阅读forecast软件包文档。 Rob Hyndman开发了该程序包，它非常复杂。他使用反向预测和一系列移动平均值的预测来填充丢失的信息。

有关更多说明，请参见他的在线预测书籍，https://otexts.com/fpp2/和forecast的文档，https://cran.r-project.org/web/packages/forecast/forecast.pdf。

如何使用auto.arima预测样本中？

1 个答案: