使用 auto.Arima() 和 xreg 进行 ARIMA 预测

Question

我正在研究预测商店销售的项目以学习预测。到目前为止，我已经成功使用简单的 auto.Arima() 函数进行预测。但是为了使这些预测更准确，我可以使用协变量。我已经定义在这篇文章的帮助下，使用 xreg 运算符影响商店销售的假期、促销等协变量： 如何在 R 的 auto.arima() 中设置 xreg 参数？

但是我的代码失败了：

ARIMAfit

并给出错误提示：

model.frame.default(formula = x ~ xreg, drop.unused.levels = TRUE) 中的错误：可变长度不同（为 'xreg' 找到）另外：警告消息：在 !is.na(x) & !is.na(rowSums(xreg)) : 较长的对象长度不是较短对象长度的倍数

以下是我的数据集的链接：https://drive.google.com/file/d/0B-KJYBgmb044blZGSWhHNEoxaHM/view?usp=sharing

这是我的代码：

data = read.csv("xdata.csv")[1:96,]
View(data)

saledata <- ts(data[1:96,4],start=1)
View(saledata)

saledata[saledata == 0] <- 1
View(saledata)

covariates = cbind(DayOfWeek=model.matrix(~as.factor(data$DayOfWeek)),
                 Customers=data$Customers,
             Open=data$Open,
                 Promo=data$Promo,
             SchoolHoliday=data$SchoolHoliday)
View(head(covariates))


# Remove intercept
covariates <- covariates[,-1]
View(covariates)

require(forecast)
ARIMAfit <- auto.arima(saledata, xreg=covariates)//HERE IS ERROR LINE
summary(ARIMAfit)

还告诉我如何预测接下来的 48 天。我知道如何使用简单的 auto.Arima() 和 n.ahead 进行预测，但不知道在使用 xreg 时如何进行。

Answer 1

几点。一，您可以将整个矩阵转换为 ts 对象，然后稍后隔离变量。其次，如果您在 arima 模型中使用协变量，那么您需要在预测样本外时提供它们。这可能意味着在为您感兴趣的变量生成预测之前预测每个协变量。在下面的示例中，为简单起见，我将数据分成两个样本。

dta = read.csv("xdata.csv")[1:96,]
dta <- ts(dta, start = 1)

# to illustrate out of sample forecasting with covariates lets split the data
train <- window(dta, end = 90)
test <- window(dta, start = 91)

# fit model
covariates <- c("DayOfWeek", "Customers", "Open", "Promo", "SchoolHoliday")
fit <- auto.arima(train[,"Sales"], xreg = train[, covariates])

# forecast
fcast <- forecast(fit, xreg = test[, covariates])