有没有办法将baggedModel()Rforecast包中的函数与ets函数参数一起用于每周数据？

As the default etscan't handle data with a frequency greater than 24, baggedModeldoesn't work for weekly data when the function chosen is ETS.

如果没有 bagging，usingstlf()可以很好地处理每周数据，但如果可能的话，我也想尝试 bagging。

子问题：当两者都由对象提供时，由forecast()and函数产生的预测之间有什么区别吗？出于某种原因，R 找不到该函数，尽管包中的所有其他函数都运行良好。forecast.baggedModel()baggedModelforecast.baggedModel()forecast

我正在使用 Rob Hyndman 的forecast包，我想从checkresiduals函数中提取一些值。有没有办法调用checkresiduals(model)然后提取函数调用的 Ljung-Box 测试的 p 值、滞后和 df？该函数只是将输出打印到控制台，如下所示：

如果我对使用auto.arima发现的模型指定的参数运行 Breusch-Godfrey 测试感兴趣，会

bgtest(auto.arima(time_series))

是否足以指定正确的最大阶数和回归量？

谢谢！

我想使用公式进行方差预测。我在 python 中导入了一个包含两列的 CSV 文件：DATE 和 RETURN。现在我想用最后 126 个返回值预测方差。因此，我想从第 126 行开始向我的数据添加一个新列，其中最后 126 个返回值相加，第 127 行然后我将第 2 行到第 127 行的返回值相加，依此类推。就像在 Excel 中，当我为下一行下拉代码并且我的行现在已固定时，范围向下移动。

我的数据总共有 24250 个值，我想添加一个名为 SUM126 的新行

代码：

现在我想添加新列，因此我尝试了类似的方法：

我很高兴得到任何帮助！

This question derived from this question Join residual by group in summary Forecast table in R where forecast performed using ets function, for each group(1 and 2) The only one and serious difference is that it works with one variable. if I have a lot of variables, i must perform forecast for all of them at once. Let's take example

Variable columns has variable x and y, and each variable has groups 1 and 2 to perfrom forecast

load libraries

Step 1: Pre-processing

Then

Step 2: Train and forecast with ets

The following function trains ets and forecasts the next 12 months; then, it prepares tables with the fitted and forecasting values:

Step 3: Bring together the fitted and forecasting outputs across different groups

Then

How to do, that this code perform forecast for all variable, like reproducible example

我发现这个由@Matt Dancho 创作的优秀sweep小插图，但我想确保该过程遵循自上而下的方法，即子组的预测等于总预测。

以马特的例子为例，如果bike_sales_monthly和monthly_qty_by_cat2表是预测（不是实际值），我想确保monthly_qty_by_cat2$total.qty年份和月份的总和等于bike_sales_monthly$total.qty.

包中绝对支持这一点，hts但我不能轻松地使用它tidyverse，更重要的是，hts/gts 模型不会为您提供预测置信区间。

我正在尝试用 3geom_line秒创建一个简单的 ggplot 来显示正常、5 年和 10 年的移动平均线。我的数据框是temp列AverageTemperature。但是我无法理解以下错误：

Error: Columns 'y', 'colour' must be 1d atomic vectors or lists,

Error: 'mapping' must be created by 'aes()'

我没有名为 y 或 color 的列以及我的所有映射。其他答案似乎无法解释错误背后的原因。我的代码如下：

我需要的结果如下图所示：

https://www.datascience.com/hs-fs/hubfs/learn-data-science-forecasting-with-ARIMA-chart-3.png?width=1900&height=713&name=learn-data-science-forecasting-with- ARIMA-chart-3.png

样本数据使用dput：

structure(list(dt = c(1743L, 1744L, 1745L, 1750L, 1751L, 1752L ), AverageTemperatureUncertainty = c(3.1304125, 3.0976671875, 3.00175, 3.13747272727273, 3.09229285714285, 3.06561458333333 )), row.names = c(NA, 6L), class = "data.frame")

有人可以解释一下错误是什么吗？

非常感谢。

如果我有 2 个这样的时间序列：

如何附加第二个系列，但只有一列？结果应该再次是 ts（不是 xts）。

根据http://timelyportfolio.blogspot.com/2012/04/中给出的说明，并通过跟进列出的示例，我了解检测结构中断。在确定结构中断后，有人可以帮助我如何使用 R 进行预测。以下是上面网页中的代码。

这是我的代码：

当我尝试预测我的模型时，我收到了这个错误：

如何让预测功能发挥作用？

这是我的第一篇文章，如果这很笨重或格式不正确，非常抱歉。

如何将 R 中的 auto.arima 与外部回归器一起使用来进行预测，但只绘制样本外值？我相信预测值是正确的，但年份不匹配。因此，如果我有 1976-2018 年的年度数据并预测因变量（第 2 列）（我想预测到 2025 年），它会绘制 2019-2068 年期间的“预测”。奇怪的是，这些数字与样本数据非常吻合（2019 年的“预测”似乎是 1980 年的模型预测等等，一直到 2068 年与 2025 年相匹配。

我希望能够消除它并拥有它，因此“2062-2068”的结果是 2019-2025。我会尝试附上情节的图片，这样可能更容易想象我的困境。

下面是 R 脚本：

以下是我运行脚本后得到的图。

阴谋

TLDR：我如何获得 2019-2025 年的真实样本外预测，而不是它作为 2019-2068 年传递的样本内模型拟合。