Прогнозирование таймсерий с tslm в R

Question

Я до сих пор новичок в R и сталкиваюсь с проблемой, которую я не могу решить.

Я хотел бы прокомментировать данные временных рядов. У меня есть дневные числа в этом году: y и номер в прошлом году, который я хочу использовать в качестве предиктора. Цифры показывают недельные циклы. Я пробовал этот код. (Поддельные номера для ясности)

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) 

Я получаю сообщение об ошибке:

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 

Любые намеки на то, что я сделал не так?

Answer 1

fit От вашего объекта:

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 

Последняя переменная называется x. И помощь для forecast.lm говорит, что newdata является факультативным файлом data.frame. Вы должны повернуть new_x в data.frame, с x как имя столбца.

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 

Answer 2

ошибка кажется очевидным:

new_data имеет 10 случайную величину, в то время как у & х есть 60. Можно ли обновить new_data иметь 60 случайных величин и убедиться, что ошибка не происходит?

С уважением,

Ганеш

Answer 3

Вы могли бы преобразовать new_x в data.frame, и ваш начальный код тоже сработает.

Новая переменная new_x имеет номер типа и должна иметь data.frame как вход для прогноза.lm.

С уважением,

Ganesh Бхат