1

假设我使用 fable 包使用涵盖 2019 年的每日数据估计以下模型，其中 x 是外生解释变量。术语pdq(p = 1, d = 0, q = 0)和PDQ(P = 0, D = 0, Q = 0)意思是这是一个自回归模型。

library(tidyverse)
library(fable)

load(file, "Some data.RData")

fit <- dta_2019 %>%
  tsibble() %>%
  model(ar = ARIMA(y ~ x + pdq(p = 1, d = 0, q = 0) + PDQ(P = 0, D = 0, Q = 0)))

现在我需要使用该模型对 2020 年的每日数据进行预测，但假设数据从 2020 年 2 月开始。

forecast_2020 <- fit %>%
  forecast(new_data = tsibble(dta_2020))

我的理解是，预测的 y 滞后值（鉴于这是一个自回归模型是必需的）将是估计数据集（dta_2019）中观察到的最后一个值。我可以将 y 的值初始化为其他值吗？我尝试在dta_2020中包含一行，在此特定示例中，该行包含 1 月 31 日的观察结果，但这会导致预测从 1 月 31 日开始。

4

1 回答 1

1

对于 ARIMA 模型（使用fable::ARIMA()），您还需要预测 2020 年 1 月以获得感兴趣的 2020 年 2 月预测。如果两个月的外生回归变量都可用，则可以计算预测。需要提供外生回归x量的未来值，但y预测不需要 的未来值。

于 2020-02-26T14:02:22.887 回答