使用 tsibble 拟合平均预测模型，R 中的寓言答案

【问题标题】：Fit a Mean forecasting model using tsibble, fable in R使用 tsibble 拟合平均预测模型，R 中的寓言
【发布时间】：2021-02-04 02:47:08
【问题描述】：

（使用来自 library(Ecdat) 的 Orange 数据集进行重现。）

我正在尝试使用 R 中的 tsibble、fable 包在 R 中拟合平均预测模型。下面的代码非常简单，但是当我尝试运行最后一个模型部分时出现错误 Error in NCOL(x) : object 'value' not found（即使 @ 987654324@ 是o_ts 中的列名），不知道为什么会这样。我正在从这里 (https://robjhyndman.com/hyndsight/fable/) 学习 RJH 教程。

如果 arima 和均值预测模型是否相同，我也将不胜感激，如果不是，我应该使用什么函数来代替 Arima。

library(Ecdat)
library(tsibble)
library(feasts)
library(tidyverse)
library(fable)

o<- Orange 

o_ts <- o %>% as_tsibble()

o_ts %>%
  filter(key=="priceoj") %>% 
  model(
    arima=arima(value))

【问题讨论】：

标签： r time-series tidyverse tsibble

【解决方案1】：

arima 来自 stats 包。我相信你想要来自fable 的ARIMA。

o_ts %>%
  filter(key == "priceoj") %>% 
  model(
    arima = ARIMA(value)
  )
#> # A mable: 1 x 2
#> # Key:     key [1]
#>   key                         arima
#>   <chr>                     <model>
#> 1 priceoj <ARIMA(1,1,0)(0,0,1)[12]>

【讨论】：

谢谢，这是正确的，你能否确认它是否与我感到困惑的平均预测相同
另外，知道为什么我会得到一个空模型吗？
我不熟悉mean forecast model 的定义。我不确定你为什么得到一个空模型 - 我运行它时没有得到一个空模型。也许尝试重新启动 R 并再次运行？

【解决方案2】：

如果您的平均预测模型指的是采用mean of the last X observation（移动平均线），那么您应该使用MEAN。
虽然ARIMA 确实指的是移动平均线（自动回归综合移动平均线），但这指的是预测误差的加权移动平均线 - 您可以在此处阅读更多信息：9.4 Moving average models in Forecasting: Principles and Practice

o <- Orange 

o_ts <- o %>% as_tsibble()

o_ts %>%
  filter(key == "priceoj") %>% 
  model(mean = MEAN(value))

如果要指定要取平均值的观测值数量，则需要添加特殊的~window(size = X)。否则将使用所有观察结果。

o_ts %>%
  filter(key == "priceoj") %>% 
  model(mean = MEAN(value ~ window(size = 3)))

【讨论】：