问题标签 [autoregressive-models]

我正在尝试测试 ARMA 模型，并通过此处提供的示例进行操作：

http://www.statsmodels.org/dev/examples/notebooks/generated/tsa_arma_0.html

我不知道是否有一种直接的方法可以在训练数据集上训练模型，然后在测试数据集上对其进行测试。在我看来，您必须将模型拟合到整个数据集上。然后，您可以进行样本内预测，它使用与训练模型相同的数据集。或者您可以进行样本外预测，但这必须从训练数据集的末尾开始。我想做的是将模型拟合到训练数据集上，然后在不属于训练数据集的完全不同的数据集上运行模型，并获得一系列提前 1 步的预测。

为了说明这个问题，这里是来自上面链接的缩写代码。您会看到该模型正在拟合 1700-2008 年的数据，然后预测 1990-2012 年。我遇到的问题是 1990-2008 年已经是用于拟合模型的数据的一部分，所以我认为我正在预测和训练相同的数据。我希望能够获得一系列没有前瞻偏差的 1 步预测。

我正在尝试使用 statsmodels 执行自回归多元线性回归（类似于y ~ y_1 + X1 + X2，而不是类似于 ARMA）。更具体地说，我正在寻找一种摆脱样本结果的方法。当我使用预测方法时，我得到了样本结果，这意味着它使用估计变量的先前历史值而不是变量的估计值。

谢谢你的帮助。

训练 NARX 网络后。我想在独立测试集“testX'”上评估模型。但它返回一个错误。我正在通过 forecastLoad = sim(net, testX')' 测试模型。我们需要添加延迟在测试集中？我不知道我在哪里犯了错误。

http://www.statsmodels.org/stable/generated/statsmodels.tsa.arima_model.ARMAResults.predict.html#statsmodels.tsa.arima_model.ARMAResults.predict

我statsmodels.tsa.arima_model.ARMAResults.predict用来确定 ARIMA 模型的预测值。当我使用训练数据中的起始索引调用该函数时，该函数返回正确的值数组。但是，如果我使用训练数据之外的起始索引，则返回的数组由于某种原因是完全不正确的。

原始代码，带有start=1000和end=1481。r是ARMAResult来自先前拟合的具有 481 个数据点的模型。

注意：这end-1是因为调用 predict 返回一个数组，其中包含 的索引处的预测end。

从这段代码中，我得到以下输出：

我通过使用此代码切片列表来解决问题。

输出：

我的问题是，为什么会发生这种情况？我end可以超出原始数据集的长度并predict完美返回，但即使start索引是数据集长度之外的第一个数字，返回的数组也太长并且数字不同。我的猜测是它与数据如何需要在下一个值之前计算先前的值有关，但是这些值已经是ARMAResult对象的一部分，我完全被卡住了。

试图解决一个问题一段时间。我有一个数据框，其中包含

• 日期和时间（大约 1 年的每小时数据）
• 位置（1000 个不同的位置）
• 流量（我想预测的结果）

贝娄是数据的一个例子

我正在尝试一段时间为每个位置制作一个时间序列。低于我尝试过的，但我没有得到我正在寻找的结果

目的是消除季节性并运行 ARIMA 模型以查找每个位置的异常值。

如何为每个位置创建一个单独的时间序列（ARIMA 模型）？

先感谢您。埃里克

我正在尝试使用 ARIMA 模型来预测每天进店的客户数量。

我目前正在使用 R 来构建这个模型。但是，我拥有的数据不一致。附图是我的问题的一个例子。

对于这个例子，我有 4 位顾客在 3/14 进店，3 位顾客在 3/13 进店，0 位顾客在 3/12,3/11 进店。由于我想预测进店的顾客数量，我将按日期对数据进行分组。如果我按日期分组，我将不得不为 3/12、3/11 插入 0 个客户，因为他们不在我的数据库中。问题是：1.我不知道如何在 R 中自动插入缺失的日期。2.这会影响我模型的准确性吗？3.在这种情况下，我会得到更好的结果来预测每周而不是每天吗？谢谢

有谁知道我该怎么办？我还能在日常基础上进行预测吗？有什么办法可以在 R 中解决这个问题吗？

我正在使用 GGplot2 + grid.arrange 处理脉冲响应函数图（来自向量自回归模型）。下面我给你我的实际情节和vars包装中的原始情节。我真的想要任何提示来改善最终结果

会很好，至少将两个地块放在更近的地方。

这不是一个完整的问题主题，而是一个改进的问题

这里是完整的代码

实际输出

所需样式 [当您致电时plot(irf(my_var))

我对 vars 包中的加拿大数据拟合了一个向量自回归模型，然后根据 1.64 的 t 值进行限制。

然后我想获得修改后的信息标准，但看不到这样做的方法。有谁知道怎么做？

编辑 1

所以我尝试为无限制模型推导出 AIC：

从新介绍到多时间序列分析 Luetkepohl，Helmut 2007，第 147 页：

$$AIC(m) = ln(det(covres)) + \frac{2mk^2}{T}$$

m 是滞后阶数，k 是系列数，T 是样本量

但我得到：

-6.451984 + 2*2*4^2/84 = -5.69

不等于 -5.600280680

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。

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！

我正在调查环境/海洋因素如何影响渔业上岸量。我在 R 中有以下 GAMM，使用该gam函数：

fisherID是识别个体渔民的变量，是 GAMM 的随机部分。 effort用作抵消，以使渔获物的重量标准化为使用的渔具数量。 day.in.series是时间序列 (1 - 6000) 中的有序天数，month是显示季节性影响的日历月。所有其他变量都是各种环境数据。

ACF:
和部分 ACF:
图表明数据中存在自相关。在 ACF 图中，在延迟 30 左右之前有明显的滞后，我不完全确定部分 ACF 图告诉我什么。

根据我的研究，我需要将 corARMA 合并到我的模型中。可以使用该gam功能来完成，还是gamm需要使用该功能？我也不确定随机变量 ( fisherID) 和偏移量是否会以任何方式影响这一点。