我正在跟踪tidyverse中的预测时间序列组]上的sweep
小插图,请参阅here。 sweep
是时间序列数据的broom
包。
我正在使用每个组的Arima
包中的forecasting
估计AR(1)模型。我可以估计每个组的AR(1),并且可以用sw_tidy
报告系数tidiidi
ind_ts
是一个数据帧,其中行是组,并且有列data_ts
。 data_ts
列的元素是时间序列数据的列表。我使用以下命令将Arima
模型应用于data_ts
每行中的时间序列数据:
ind_ar <- ind_ts %>% mutate(fit.ar = map(data_ts, Arima))
fit.ar
列包含应用于每个组的时间序列的AR(1)模型的输出。要以整齐的格式获取该AR(1)的系数,请使用sw_tidy
:
ind_ar %>% mutate(tidy = map(fit.ar, sw_tidy)) %>% unnest(tidy)
但是我也希望有一列具有相应标准误差的估算值即
ind_ar$std.er
。我正在跟踪tidyverse中的“预测时间序列组”上的扫视小插图,请参见此处。扫帚是用于时间序列数据的扫帚软件包。我正在使用Arima从...
目前,我通过深入研究var.coef
方法来获得它们。这报告了方差-协方差矩阵,我采用了主对角线的平方根来返回标准误差。
现在,使用寓言包要比对预测和扫描进行组合要容易得多。这是一个例子。