ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据 |
您所在的位置:网站首页 › arima pdq 模型 › ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据 |
原文链接:http://tecdat.cn/?p=22511 标准的ARIMA(移动平均自回归模型)模型允许只根据预测变量的过去值进行预测。该模型假定一个变量的未来的值线性地取决于其过去的值,以及过去(随机)影响的值。ARIMAX模型是ARIMA模型的一个扩展版本。它还包括其他独立(预测)变量。该模型也被称为向量ARIMA或动态回归模型。 ARIMAX模型类似于多变量回归模型,但允许利用回归残差中可能存在的自相关来提高预测的准确性。本文提供了一个进行ARIMAX模型预测的练习。还检查了回归系数的统计学意义。 这些练习使用了冰淇淋消费数据。该数据集包含以下变量。 冰淇淋消费(人均) 每周的平均家庭收入 冰淇淋的价格 平均温度。 观测数据的数量为30个。它们对应的是1951年3月18日至1953年7月11日这一时间段内的四周时间。 练习1加载数据集,并绘制变量cons(冰淇淋消费)、temp(温度)和收入。 ggplot(df, aes(x = X, y = income)) + ylab("收入") + xlab("时间") +grid.arrange(p1, p2, p3, ncol=1, nrow=3) 练习 2对冰淇淋消费数据估计ARIMA模型。然后将该模型作为输入传给预测函数,得到未来6个时期的预测数据。 auto.arima(cons)fcast\_cons |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |