假设我正在尝试使用动态ARIMA回归预测未来四个月的变量y
。我提前知道了四个月的xreg变量。我不确定forecast
函数如何进行预测,例如我可以使用缺少的y值来喂养它,并且如果仅将这几个月的xreg喂养,它将自动假设我正在尝试预测训练期之后的四个月?
下面的代码对预测未来四个月有意义吗?
library(dplyr)
library(fable)
library(tsibble)
set.seed(1)
r <- rnorm(36)
r2 <- rnorm(4)
x <- data.frame(index = yearmonth(seq.Date(as.Date("2017-01-01"),
as.Date("2020-04-01"),
"1 month")),
y = cumprod(c(r, rep(NA, 4))),
a = c(1.8 * r + rnorm(36), 1.8 * r2 + rnorm(4)),
b = c(0.5 * r + rnorm(36), 1.5 * r2 + rnorm(4))) %>%
as_tsibble()
a1 <- x %>%
model(ARIMA(y ~ a + b))
a1 %>% forecast(x[37:40, ])
否,预测功能将假设您要预测训练数据之后的月份。如果您的训练数据以缺少的观察结果结尾,则仅表示它是根据最后一个可用观察结果进行预测,一直到缺失的时期,再到训练数据之后的某个时期。
这里有一些代码可以执行您想要的操作。
x %>%
filter(index <= yearmonth("2019 Dec")) %>%
model(ARIMA(y ~ a + b)) %>%
forecast(new_data = filter(x, index > yearmonth("2019 Dec")))