1

我有一个非常简单的 csv 文件，我正在尝试使用不同的预测方法。

          Year   total UnemplRt
   1  12/31/2013    NA      7.1
   2  12/31/2012 39535      8.3
   3  12/31/2011 36965     10.0
   4  12/31/2010 36234     10.9
   5  12/31/2009 37918      8.5
   6  12/31/2008 42235      4.3
   7  12/31/2007 55698      3.7
   8  12/31/2006 58664      3.8
   9  12/31/2005 59674      4.7
   10 12/31/2004 51439      5.7

当我使用 R studio 导入它时，我得到了这个列表。（上图）仅具有列表名称。和我似乎无法引用的 Col 标题。

我是 R 的新手，但我认为我应该有一个数据框，并且第一列应该是日期类型。不知道如何从这里到达那里..然后..这是预测输入的正确布局吗？

如何使用预测（Mutli-models）使用第 10-4 行在 3 上使用 UnemplRt 预测 3 上的“总计”（这是预先知道的，依此类推，即 10-3 预测 2 和 10-2 预测1）这当然是对来年的预测......我已经从电子表格中的直线线性回归中得到它，但它太高了，所以我正在寻找可以考虑最近的方法数据更好，注意曲线而不是直线。

这非常简单，但希望足够通用，其他人也会发现答案也很有用。

4

1 回答 1

6

我不是 100% 确定你在问什么，但我假设你想创建一些包含一些回归的时间序列模型。下面概述了构建一个简单的时间序列模型和一个包含回归量的模型。

# load the base data as presented in the question
Workbook1 <- structure(list(Year = structure(1:10, .Label = c("31-Dec-04", 
"31-Dec-05", "31-Dec-06", "31-Dec-07", "31-Dec-08", "31-Dec-09", 
"31-Dec-10", "31-Dec-11", "31-Dec-12", "31-Dec-13"), class = "factor"), 
    total = c(51439L, 59674L, 58664L, 55698L, 42235L, 37918L, 
    36234L, 36965L, 39535L, NA), UnemplRt = c(5.7, 4.7, 3.8, 
    3.7, 4.3, 8.5, 10.9, 10, 8.3, 7.1)), .Names = c("Year", "total", 
"UnemplRt"), class = "data.frame", row.names = c(NA, -10L))

# Make a time series out of the value
dependent <- ts(Workbook1[1:9,]$total, start=c(2004), frequency=1)

# load forecast package
require(forecast)

# make a model that fits, you can get other models as well. Think it is best to some studying of the forecast package documentation.
fit <- auto.arima(dependent)

# do the actual forecast
fcast <- forecast(fit)

# here some results of the forecast
fcast
     Point Forecast    Lo 80    Hi 80     Lo 95    Hi 95
2013          39535 31852.42 47217.58 27785.501 51284.50

# You can make a plot as following:
plot(fcast)

当您包含一些失业率数据时，我假设您可能希望在某种回归模型中将其包含在您的预测中。下面是一个关于如何解决这个问题的模型：

# load independent variables in variables.
unemployment <- ts(Workbook1[1:9,]$UnemplRt, start=c(2004), frequency=1)
unemployment_future <- ts(Workbook1[10:10,]$UnemplRt, start=c(2004), frequency=1)

# make a model that fits the history
fit2 <- auto.arima(dependent, xreg=unemployment)

# generate a forecast with the already known unemployment rate for 2013.
fcast2 <- forecast(fit2,xreg=unemployment_future)

这里是预测的结果，你可以再次像上面那样绘制它。

fcast2
     Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
2013       45168.02 38848.92 51487.12 35503.79 54832.25

希望以上有所帮助。

于 2012-12-25T18:56:30.390 回答