问题标签 [fabletools]

我已经使用 R 中的包构建了以下扇形图fable。我想知道是否有人对为什么我的预测风扇的原点与实际线不符有任何建议（开头的外部点与实际线相距甚远） ? 这是建模错误还是我无法避免的数据问题？

这是我的数据集的可复制品

和我的代码

编辑：我正在寻找一种解决方案，使我的不确定性演变中的外部带（预测扇形）在开始时更窄，并且随着时间的推移它们呈扇形散开，类似于我在下面附上的英格兰银行图

我目前没有解决此问题的方法，因此无论多么麻烦，只要我的代码再次运行，我都迫切希望解决此问题...

我想用以下方法将 tsibble 强制为寓言对象：

文档说这是可能的：

但是当我指定这个函数的输入参数时，我总是得到一个错误。

例子：

强制使用寓言会导致错误：

非常感谢您的帮助！

我正在尝试使用 fabletools 包提取预测残差。我知道我可以使用该augment()函数提取拟合模型残差，但我不知道它对预测值是如何工作的，并且我得到与拟合模型残差相同的结果。这是一个例子：

任何建议将不胜感激。

我正在尝试在这样的ardl 模型上使用预测功能。

但是，它抛出了一个错误Error in L(LRM, 1) : could not find function "L"

我怎样才能在这里进行预测？

我认为这里有些奇怪。例如，以下代码为残差和创新提供了相同的值：

似乎该augment()函数仅提取创新值并将其用于回归的残差。当我们使用 提取残差和创新时可以看到这一点residuals()：

那么残差和创新应该是不同的。

我正在尝试使用库 fpp3 生成分层预测，当我尝试使用两个以上级别时，它会显示错误。代码与此类似：

正如我之前所说，只有两个级别（例如aggregate_key(A / B, y = sum(y))）可以正常工作。

那么，可以forecast处理多少级呢？有没有办法像使用 fpp2 hts 一样添加更多级别？

PD：我最近证明了 usingbotton_up()并且它有效，所以也许它与top_down().

我有年周和销售数量的 tsibble 数据。year-week 是从星期六开始的周类型（默认 tsibble yearweek 从星期一开始）。我有使用 fabletools::model 的拟合模型。但是，当我尝试适应接下来的 2 周时，我得到以下结果

我正在使用 fable 和 fabletool 包，我真的很喜欢新的工作流程结构。它很容易理解并应用于许多不同的预测场景。我现在正在尝试向量自动回归模型。

我想知道如何使用分解模型和 VAR。假设您有一个带有索引月份和变量 x 和 y 的 tsibble 对象。x 和 y 都具有很强的季节性。所以我想首先去除季节性，然后应用一个 VAR 模型，并在单变量工作流中查看这个分解模型的预测。这样：

是不是有点可能？

如果不是第二种选择可能是：

1. 分别调整季节的 X 和 Y
2. 使用 season_adj.x 和 season_adj.y 拟合 VAR 模型
3. 然后预测
4. 添加季节性成分。
5. 计算预测区间

不过，我不确定如何在这种情况下计算预测间隔。

有什么方法可以将自动绘图与寓言一起使用，但要通过模型来刻画它？下面的代码生成了一个漂亮的小图表，但将预测叠加在一起。

它看起来像这样：

我正在寻找更像这样的东西，除了刻面，这样我就不必纠结于轴刻度和标签等：

这似乎是很常见的事情，但我知道这些的自动绘图意味着非常快速和肮脏，所以我不知道它是否有这个功能。我浏览了 fabletools github，但找不到任何东西。

这是我作为问题提出的一个问题，但还没有收到包作者的消息，所以我想我会在这里问这个问题。谢谢！

在使用滞后的 xreg 进行预测时，我注意到一些不一致之处。具体来说，预测 h <= 滞后期。在生成预测之前，提供给原始模型的历史数据似乎没有添加到新数据中。在下面的示例中，我使用 fpp3 中的 lag = 2 示例。第一个预测fc1与书中生成的预测相同。在第二个预测fc2中，我new_data通过将历史广告数据与生成的新广告数据绑定来增加insurance_future. 当我这样做时，我会在fc2vs中得到不同的预测fc1。在我看来，预测中的预测fc1无法访问历史（xreg）数据，因此 TVaderts 被视为NA在地平线上的前两个步骤。这个对吗？如果是这样，不应该将这些数据原样包含在其中fc2吗？这可能与此有关。

奇怪的是，当我手动（而不是在公式中）创建新的滞后变量时，模型结果与 fpp3 中的“基本情况”匹配（fc1在我的示例中）。

^{由reprex 包创建于 2021-06-02 (v2.0.0 )}

这种复制使我相信这fc1是正确的，而不是fc2。如果是这样，发生了什么fc2导致它与fc1（和fc3）中的预测不同？