我正在尝试自学一些关于为“计数”数据建模时间序列的知识。我发现了一个非常简单的模型，即自回归条件泊松模型 (ACP) (Heinen 2003)，它有一个随附的 R 包 {acp}。我无法找到有关如何为从 ACP 模型做出的预测构建 n 步提前预测区间的信息。不方便的是，预测不适用于这些 ACP 对象。关于如何构建这些的任何想法？
此外，在将 predict() 与 ACP 模型一起使用时，您必须包含一个参数 newydata，它是您要预测的值的数据框...？也许我误解了这一点，但在预测 yhat 时似乎你需要已经有了 y。为什么？
下面我从 {acp} 包中复制/粘贴了示例代码。
library(acp)
data(polio)
trend=(1:168/168)
cos12=cos((2*pi*(1:168))/12)
sin12=sin((2*pi*(1:168))/12)
cos6=cos((2*pi*(1:168))/6)
sin6=sin((2*pi*(1:168))/6)
#Autoregressive Conditional Poisson Model with explaning covariates
polio_data<-data.frame(polio, trend , cos12, sin12, cos6, sin6)
mod1 <- acp(polio~-1+trend+cos12+sin12+cos6+sin6,data=polio_data, p = 1 ,q = 2)
summary(mod1)
#Static out-of-sample fit example
train<-data.frame(polio_data[c(1: 119),])
mod1t <- acp(polio~-1+trend+cos12+sin12+cos6+sin6,data=train, p = 1 ,q = 2)
xpolio_data<-data.frame(trend , cos12, sin12, cos6, sin6)
test<-xpolio_data[c(120:nrow(xpolio_data)),]
yfor<-polio_data[120:nrow(polio_data),1]
predict(mod1t,yfor,test)
#Autoregressive Conditional Poisson Model without explaning covariates
polio_data<-data.frame(polio)
mod2 <- acp(polio~-1,data=polio_data, p = 3 ,q = 1)
summary(mod2)
predict() 命令中的第二个参数是观察到的 y 值的向量，这让我感到困惑。
谢谢！