plyr + 预测多个回归器答案

【问题标题】：plyr + forecasting multiple regressorsplyr + 预测多个回归器
【发布时间】：2013-12-18 23:57:25
【问题描述】：

将this thread 中的内容再进一步：我已经尽力了，但最终还是碰壁了。我希望使用 PLYR 来创建一些具有大规模外生回归量的 ARIMA 模型。我一直在使用的过程的高级概述（带有示例数据的代码如下）

1) 我有一个数据框，其中包含业务、地区、收入和订单，全部按日期进行

2) 对于业务 + 地区的每种组合，我想根据以前的收入值 + 以前的订单值创建收入预测。

3) 我想使用 ARIMA 模型（使用 auto.arima() ）来计算收入和订单的最佳订单，然后将该信息应用于 预测 em> 函数

4) 我遇到的问题似乎归结为无法将多个列表传递给 PLYR 参数以进行操作，这很可能反过来归结为我没有完全了解如何llply 有效（希望这是一项简单的任务）

这是我正在处理的一些示例数据：

library(plyr)
library(xts)
library(forecast)

data <- data.frame(
    biz = sample(c("telco","shipping","tech"), 100, replace = TRUE),
    region = sample(c("mideast","americas","asia"), 100, replace = TRUE),
    date = rep(seq(as.Date("2010-02-01"), length=10, by = "1 day"),10),
    revenue = sample(1:100),
    orders = sample(1:100)
)

编辑：首先通过ddply重新组织数据，去掉重复的条目：

dataframe <- ddply(data, c("biz","region","date"), function(df) {
    c(revenue = sum(df[,4]),
        orders = sum(df[,5]))
})

第 1 步：创建一个列表，其中包含每个业务 + 区域组合的时间序列信息：

list1 <- dlply(dataframe, .(biz,region), identity)

第 2 步：将该列表转换为 XTS 对象，以便我们可以将其用于时间序列分析：

xtsobject <- llply(list1, function(list) {
    xts(x=list[,c("revenue","orders")], order.by=list[,"date"])
})

这就是我遇到麻烦的地方。我想从 auto.arima() 函数中列出订单以传递给 forecast.Arima() 函数。如果我只做一个没有外生回归变量的变量，这将很简单：

arimamodel1 <- llply(xtsobject, function(list) {
    fity <- auto.arima(list$revenue)
    })

然后我会将该列表应用到 forecast.Arima() 函数：

forecast1 <- llply(arimamodel1, function(model) {
    forecast.Arima(model, h=2)
    })

结果很好。我已尝试更改参数以包含一些额外回归变量的空间，但我不确定预测是否实际上拉入了 x 值：

arimamodel2 <- llply(xtstest, function(list) {
    fity <- auto.arima(list$revenue, xreg=list$orders)
    fitx <- auto.arima(list$orders)
    })

以及预测：

forecast2 <- llply(arimamodel2, function(model) {
    forecast.Arima(model, h=2)
    })

...但似乎在预测函数中，我应该按照我通常使用具有多个回归量的 Forecast.Arima() 的方式来解释 x 回归模型；类似：

forecast.Arima(model,h=2, xreg=forecast(model,h=2)$mean)

但这不起作用。是否有人对如何使用 PLYR 基于 auto.arima() 对多个回归量进行预测有任何见解？

【问题讨论】：

标签： r plyr xts

【解决方案1】：

我很确定我已经弄清楚了，以防有人偶然发现这个问题。只需创建一个传递所有这些参数的函数，然后通过 lapply 或 llply 传递该函数（问题中的数据不适用于 auto.arima，因为它的创建方式，但它适用于我正在使用的实际数据）：

arimafunc <- function(list) {
    fity <- auto.arima(list$revenue, xreg=list$orders)
    fitx <- auto.arima(list$orders)
    forecast <- forecast.Arima(fity,h=2,xreg=forecast(fitx,h=2)$mean)
    return(forecast)
}

然后通过列表申请：

forecasts <- lapply(xtsobject,FUN=arimafunc)

我确信有一种方法可以使用诸如 llply 之类的内置功能或从基本命令之一 mapply 执行此操作，但现在可以使用...

【讨论】：