forecast.lm 总是预测未来相同的时间段

Question

我想预测一个线性模型，我是用 ols 估计的。但是，它总是预测未来相同的时间段，与我的数据集长度相同。

这是我所做的。

data <- ts(matrix(rnorm(144, mean=0, sd=1), ncol=6), start=c(2007,1), frequency=12)

我计算了两个因素。

factors <- ts(t(t(eigen(cor(data))$vectors[,1:2] %*% 
         sqrt(diag(eigen(cor(data))$values[1:2]))) %*% 
         t(scale(data))), start=c(2007,1), frequency=12)
colnames(factors) <- c("f1", "f2")

我将因素与数据集结合起来。

favar <- ts.union(factors, data)
colnames(favar) <- c(colnames(factors), "a", "b", "c", "d", "e", "f")

然后，我为“a”估计了一个线性模型。

require(forecast)
model <- tslm(a ~ f1 + f2 + b + c + d + e + f + 0, data=ts(sapply(favar, function(x) 
             lag(x, h=1))[-1,], start=c(2007, 2), frequency=12))

如果我现在预测我的模型，它在未来时间段内的长度与我的数据集相同。

forecast(model, newdata=favar, h=6, ts=T)

我为 h 设置的值无关紧要，结果总是提前 24 个月的预测。我认为，问题出现了，因为我必须提供newdata，为此我使用了我的原始数据集favar。但是，如果我尝试在没有它的情况下预测模型，则会收到以下错误：

eval(expr, envir, enclos) 中的错误：找不到对象“f1”

我已经尝试使用predict.lm 对其进行预测，并且仅使用lm 而不是tslm 来估计模型。无论如何，我面临同样的问题：预测周期总是与提供的newdata 的长度相同。

更新：我刚刚注意到，不仅预测的长度与我的数据集相同，而且值也相同。基本上，我只有一份原始数据的副本。

感谢您的帮助。

Answer 1

forecast(model, newdata=favar, h=6, ts=T) 调用 forecast.lm。 来自forecast.lm 的文档：

新数据

一个可选的数据框，用于查找变量 预测。如果省略，则假定唯一的变量是趋势 和季节，并产生 h 预测。

h

预测期数。如果存在新数据则忽略。

这就是错误的原因

> forecast(model,h=6,ts=T)
Error in eval(expr, envir, enclos) : object 'f1' not found
> 

唯一已知的变量是trend 和season，而不是f1、f2。等等。 所以newdata 一定不能丢失，因此h 会被忽略。

恐怕从 forecast 方法中得到长度为 6 的预测，您需要一些长度为 6 的 newdata。然后在这 6 个点上评估由系数 coef(model) 确定的线性函数。

当然你可以问系数

> coef(model)
       f1        f2         b         c         d         e         f 
 2.008211  1.344910 -0.532548 -1.375166  0.378199  2.169784 -1.971422 

并在没有forecast 方法的情况下使用它们。

> myData <- X[1:6,-3] + matrix(sample(-100:100,6*7,,replace=TRUE)/100,6,7)
> myData
             f1         f2          b          c          d          e          f
[1,]  1.3901181  0.5794323  0.2638713  1.7911077 -1.9140976 -0.1632654  1.2130388
[2,] -0.5106604  1.0037957 -0.5357955  1.1981059 -0.3636334 -1.2746126 -0.1845794
[3,]  2.0191347 -0.8724608 -1.7707524  0.2779736  1.2814462 -0.4834006  0.1504435
[4,]  1.4574348  0.2173202 -1.1881501  0.7911197 -0.7332919 -1.0103667 -0.8201907
[5,] -1.8129340  0.2294362  0.7379416 -1.3893631  0.5011054  0.4321159  0.4026663
[6,]  1.9659584  1.8596798  0.7286796  1.9930237  0.6643413 -0.2609216 -0.2635644
> fcst <- myData %*% coef(model)
> fcst
          [,1]
[1,] -2.502231
[2,] -3.577032
[3,]  2.581397
[4,]  1.911273
[5,] -1.481277
[6,]  3.525071
> forecast(model,myData,ts=T)
         Point Forecast     Lo 80     Hi 80     Lo 95     Hi 95
Jan 2009      -2.502231 -2.502231 -2.502231 -2.502231 -2.502231
Feb 2009      -3.577032 -3.577032 -3.577032 -3.577032 -3.577032
Mar 2009       2.581397  2.581397  2.581397  2.581397  2.581397
Apr 2009       1.911273  1.911273  1.911273  1.911273  1.911273
May 2009      -1.481277 -1.481277 -1.481277 -1.481277 -1.481277
Jun 2009       3.525071  3.525071  3.525071  3.525071  3.525071
> 

函数名称forecast 有点误导。如果f1、f2、b、c、d、f 和f 的预测值为@9876@5，forecast 仅计算预测值a。