我正在预测每天去医院进行MR扫描的客户数量。我有过去四年来医院就诊的每日人数。但是我无法准确地记录出不同月份来医院的客户人数的每日变化。
我正在研究Rstudio，并且按照Rob Hyndman的建议尝试了arima。
modelfitsample<- read.csv("data_xreg_train.csv")
modeltest <- read.csv("data_xreg_test.csv")
ts_beverly_train <- ts(modelfitsample$Volume, start = c(2015,1), frequency=365.25)
ts_beverly_test <- ts(modeltest$Volume, start = c(2018,1), frequency=365)
xreg <- cbind(month=model.matrix(~as.factor(modelfitsample$Month)))
xreg1 <- cbind(month=model.matrix(~as.factor(modeltest$Month)))
modArima <- auto.arima(ts_beverly_train, xreg=xreg)
modArima
fit11 <- forecast(modArima, h=485, xreg = xreg1)
plot(fit11)
我需要一个可以捕捉到每日变化并考虑每月季节性变化的预测
答案 0 :(得分：0)
我很惊讶，没有人想出答案。
xreg和forecast::auto.arima中的 forecast::Arima用于任何外部回归变量。假设您要在一段时间（或一系列工作变动或工资面试）中对income进行建模。您明天的收入很可能取决于您今天的收入，但也可能取决于您的sex，age和其他各种因素。这些因素可能具有或可能没有时序部分，例如，sex在大多数情况下是恒定的。
这些部分可以通过xreg参数来包含，指定时间序列中每个观测值的级别。