我已经使用函数 hw 来分析时间序列
fcast<-hw(my_series,h=12,level=95,seasonal="multiplicative",damped=TRUE,lambda=NULL)
通过查看 fcast$model$par，我观察了 alpha、beta、gamma、phi 和初始状态的值。我还查看了 fcast$model$states 的内容，以了解所有值的演变。我试图在 Excel 中重现结果以了解整个过程。为了获得与 fcast$model$states 相同的 b （趋势）值，我观察到我必须使用类似于 Holt-Winters 方法的参考书目中的公式：
b(t)=beta2*(l(t)-l(t-1)+(1-beta2)*phi*b(t-1)
但是，如果在 fcast$model$par beta=0.08128968 中，我发现为了达到相同的结果，我必须使用 beta2=0.50593541。
这是什么原因？我看不出 beta 和 beta2 之间有任何关系。
我还发现，为了获得与使用 hw 函数获得的预测相同的预测，一旦数据完成，我必须使用以下公式：
l(t)=l(t-1)+b(t-1)
b(t)=phi*b(t-1)
^y(t)=(l(t-1)+b(t-1))*s(t-m)
我没有找到关于这个预测阶段的任何参考书目，解释了一些参数不再使用。例如，在这种情况下，phi 仍然用于 b(t)，但不再用于 l(t)。任何人都可以参考我可以找到这部分解释的任何参考书目吗？
所以最后我已经能够在 Excel 中重现整个数据集，但有几个步骤我想更好地理解。
谢谢！！