在 R 中使用 tslm 预测时间序列答案

【问题标题】：Forecasting timeseries with tslm in R在 R 中使用 tslm 预测时间序列
【发布时间】：2015-02-16 10:02:31
【问题描述】：

我还是 R 新手，面临一个我似乎无法解决的问题。

我想预测我的时间序列数据。我有今年的每日数字：y 和去年的每日数字，我想用作预测器。数字显示周周期。我试过这段代码。（为了清楚起见，假数字）

x = rnorm(60,0,1)
y = rnorm(60,0 ,1) + 2*cos(2*pi*1:60/7) + 10*x
new_x = rnorm(10,0,1) 

y <- ts(y,frequency = 7)
fit <- tslm(y ~ trend + season + x)

fcast = forecast.lm(fit, h = 10, newdata = new_x)

我收到错误消息：

    Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
      variable lengths differ (found for 'x')
    In addition: Warning message:
'newdata' had 10 rows but variables found have 60 rows

关于我做错了什么的任何提示？

【问题讨论】：

来自?forecast.lm：newdata An optional data frame。 new_x 是一个向量。

标签： r time-series forecasting

【解决方案1】：

来自您的fit 对象：

Call:
lm(formula = formula, data = "y", na.action = na.exclude)

Coefficients:
(Intercept)        trend      season2      season3      season4      season5      season6      season7            x  
  1.1644029    0.0009672   -1.5575562   -3.6723105   -3.1824001   -1.5658857    0.0789683    0.3053541    9.9233635

最后一个变量名为x。 forecast.lm 的帮助说 newdata 是一个可选的 data.frame。您需要将new_x 转换为data.frame，以x 作为列名。

library(forecast)

x = rnorm(60,0,1)
y = rnorm(60,0 ,1) + 2*cos(2*pi*1:60/7) + 10*x
new_x = rnorm(10,0,1) 

y <- ts(y,frequency = 7)
fit <- tslm(y ~ trend + season + x)

# You can directly use `forecast`, as `fit` is an lm object
# and you don't need `h`, as you provide new data.
fcast = forecast(fit, newdata = data.frame(x=new_x)) 

#          Point Forecast       Lo 80      Hi 80        Lo 95      Hi 95
# 9.571429     -3.1541222  -4.5886075  -1.719637  -5.37216743 -0.9360771
# 9.714286     12.5962250  11.1367496  14.055700  10.33953926 14.8529108
# 9.857143     10.5924632   9.1480030  12.036924   8.35899443 12.8259321
#10.000000     15.9419378  14.4775444  17.406331  13.67764776 18.2062278
#10.142857     -7.1887433  -8.6444741  -5.733013  -9.43963897 -4.9378477
#10.285714     -9.4133170 -10.8470152  -7.979619 -11.63014523 -7.1964887
#10.428571      2.2702132   0.8331488   3.707278   0.04818005  4.4922464
#10.571429      0.3519401  -1.1037991   1.807679  -1.89896851  2.6028487
#10.714286    -11.8348209 -13.2930857 -10.376556 -14.08963475 -9.5800070
#10.857143      1.0058209  -0.4435763   2.455218  -1.23528154  3.2469233

【讨论】：

坦克这么多！辉煌

【解决方案2】：

您可以将 new_x 转换为 data.frame 并且您的初始代码也可以工作。

new_x 变量是 number 类型，需要有 data.frame 作为 forecast.lm 的输入。

问候，

加内什·巴特

【讨论】：

【解决方案3】：

错误似乎很明显：

new_data 有 10 个随机变量，而 y 和 x 有 60 个。您能否将 new_data 更新为有 60 个随机变量并验证错误不会发生？

问候，

象头神

【讨论】：