Question

我正在尝试使用分组数据同时将回归（具有ARIMA错误的回归）到几个ts预测有雾。

我是整理数据的新手，所以...基本上，我正在重现带有多元ts和多元模型的示例（https://cran.rstudio.com/web/packages/sweep/vignettes/SW01_Forecasting_Time_Series_Groups.html）。

这是一个可复制的示例：

library(tidyverse); library(tidyquant)
library(timetk); library(sweep)
library(forecast)
library(tsibble)
library(fpp3)

# using package data
bike_sales

# grouping data 
monthly_qty_by_cat2 <- bike_sales %>%
  mutate(order.month = as_date(as.yearmon(order.date))) %>%
  group_by(category.secondary, order.month) %>%
  summarise(total.qty = sum(quantity), price.m = mean(price))

# using nest 
monthly_qty_by_cat2_nest <- monthly_qty_by_cat2 %>%
  group_by(category.secondary) %>%
  nest()
monthly_qty_by_cat2_nest

# Forecasting Workflow
# Step 1: Coerce to a ts object class
monthly_qty_by_cat2_ts <- monthly_qty_by_cat2_nest %>%
  mutate(data.ts = map(.x       = data, 
                       .f       = tk_ts, 
                       select   = -order.month,  # take off date 
                       start    = 2011, 
                       freq     = 12))


# Step 2: modeling an ARIMA(y ~ x)
# make a function to map
modeloARIMA_reg <- function(y,x) {
  result <- ARIMA(y ~ x)
  return(list(result))}

# map the function 
monthly_qty_by_cat2_fit <- monthly_qty_by_cat2_ts %>%
  mutate(fit.arima = map(data.ts, modeloARIMA_reg))
monthly_qty_by_cat2_fit

在这里，我不知道地图是否在y（因变量）中使用了正确的变量，但我一直尝试尝试预测并出现错误

# Step 3: Forecasting the model
monthly_qty_by_cat2_fcast <- monthly_qty_by_cat2_fit %>%
  mutate(fcast.ets = map(fit.arima, forecast))

# this give me this error
# Erro: Problem with `mutate()` input `fcast.arima`.
# x argumento não-numérico para operador binário
# i Input `fcast.arima` is `map(fit.arima, forecast)`.
# i The error occured in group 1: category.secondary = "Cross Country Race".
# Run `rlang::last_error()` to see where the error occurred.
# Além disso: Warning message:
#   In mean.default(x, na.rm = TRUE) :
#   argument is not numeric or logical: returning NA

出现两个问题：

我不知道如何输入每组自变量（x）的均值；

以及如何将这些新数据声明为预测参数。

PS：不需要小标题或嵌套结果，我只需要点预测和CI（total.qty lo.95 hi.95）

Answer 1

好吧，这段代码为我解决了这个问题。这样就可以对每个时间序列（分组小摆幅）进行一次预测，并使用这些时间序列的平均值作为预测中的未来数据欢迎任何评论。

func found(code: String) {
    print(code)
    // convert JSON to object
    do {
        let qrMessage = try JSONDecoder().decode(QrMessage.self, from: code.data(using: .utf8)!)
        print("QrMessage object - device name: " + qrMessage.pcName)
        
    }
    catch let error {
        print(error)
        _ = navigationController?.popViewController(animated: true)
        // call ShowInvalidQrToast() from the new VC that is now on top of the ViewController stack
    }

这可以为我解决问题。这样就可以对每个组时间序列进行一次预测，并使用这些组时间序列的平均值作为预测中的未来数据欢迎任何评论。

如何使用动态回归模型对分组数据进行预测？

1 个答案: