0

我想知道如何调整 Rob Hyndman 在 这篇博文中使用的傅立叶术语，以使用额外的回归量预测每周时间序列数据。下面是我的尝试，但我得到一个错误阅读xreg is rank deficient 

library(forecast)
gascsv <- read.csv("https://robjhyndman.com/data/gasoline.csv", header=FALSE)[,1]
gas<- ts(gascsv[1:300], freq=365.25/7, start=1991+31/365.25)
#assume that gasreg is an additional regressor used to forecast gas
gasreg <- ts(gascsv[301:600], freq=365.25/7, start=1991+31/365.25)


bestfit <- list(aicc=Inf)
for(i in 1:25){
  for(j in 1:25){
    fit <- auto.arima(gas, xreg=cbind(fourier(gas, K=i),fourier(gasreg,K=j)), seasonal=FALSE)
    if(fit$aicc < bestfit$aicc){
      bestfit <- fit
      k <-i
      l <- j 
      }
    else break;
  }
}

谢谢！

编辑：在网上进行了一些额外的挖掘之后，我发现了一些似乎有用的材料。Rob 的另一篇博文使用一组傅立叶项和一个虚拟变量作为回归量。这篇关于 kaggle 的帖子（请参阅 3. ARIMA 模型）以与我正在做的非常相似的方式使用多个傅立叶项，尽管我仍然收到xreg is rank deficient错误消息。这可能是由于gasreg与气体的数据相同吗？

4

1 回答 1

0

fourier(gas, K=i)并fourier(gasreg,K=j)产生相同的傅立叶集——我相信结果fourier()只取决于时间序列的长度，而不是内容。秩不足错误是由两次使用相同的回归量引起的。我认为不需要输入两次傅立叶级数，下面的代码似乎就足够了。

bestfit <- list(aicc=Inf)
for(i in 1:25){
  for(j in 1:25){
    fit <- auto.arima(gas, xreg=cbind(fourier(gas, K=i),gasreg), seasonal=FALSE)
    if(fit$aicc < bestfit$aicc){
      bestfit <- fit
      k <-i
      }
    else break;
  }
}
于 2019-03-15T16:12:07.390 回答