Разница Предикторы в Auto.Arima Прогноз

Question

Я пытаюсь построить auto.arima прогноз с предикторами, как пример ниже. Я заметил, что мой предиктор нестационарен. Поэтому мне было интересно, следует ли разделить предиктор перед тем, как ввести его в параметр xreg, как показано ниже. Реальный набор данных намного больше, это просто пример. Любые советы высоко ценится.

Код:

tsTrain <-tsTiTo[1:60] 
tsTest <- tsTiTo[61:100] 

ndiffs(ds$CustCount) 
##returns 1 

diffedCustCount<-diff(ds$CustCount,differences=1) 

Xreg<-diffedCustCount[1:100] 

##Predictor 
xregTrain2 <- Xreg[1:60] 
xregTest2 <- Xreg[61:100] 


Arima.fit2 <- auto.arima(tsTrain, xreg = xregTrain2) 

Acast2<-forecast(Arima.fit2, h=40, xreg = xregTest2) 

данных:

dput(ds$CustCount[1:100]) 

с (3, 3, 1, 4, 1, 3, 2, 3, 2, 4, 1, 1, 5, 6, 8, 5, 2, 7, 7, 3, 2, 2, 2, 1, 3, 2, 3, 1, 1, 2, 1, 1, 3, 2, 2, 2, 3, 7, 5, 6, 8, 7, 3, 5, 6, 6, 8, 4, 2, 1, 2, 1, NA, NA, 4, 2, 2, 4, 11, 2, 8, 1, 4, 7, 11, 5, 3, 10, 7, 1, 1, NA, 2, NA, NA, 2, NA, NA, 1, 2, 3, 5, 9, 5, 9, 6, 6, 1, 5, 3, 7, 5, 8, 3, 2, 6, 3, 2, 3, 1)

dput(tsTiTo[1:100]) 

c (45, 34, 11, 79, 102, 45, 21, 45, 104, 20, 2, 207, 45, 2, 3, 153, 8, 2, 173, 11, 207, 79, 45, 153, 192, 173, 130, 4, 173, 174, 173, 130, 79, 154, 4, 104, 192, 153, 192, 104, 28, 173, 52, 45, 11, 29, 22, 81, 7, 79, 193, 104, 1, 1, 46, 130, 45, 154, 153, 7, 174, 21, 193, 45, 79, 173, 45, 153, 45, 173, 2, 2, 1, 1, 8, 1, 1, 79, 45, 79, 173, 45, 2, 173, 130, 104, 19, 4, 34, 2, 192, 42, 41, 31, 39, 11, 79, 4, 79)

Answer 1

xreg аргумент в auto.arima выполняет dynamic regression, который должен сказать, что вы выполняете линейной регрессии и подгонки ошибок с arma процесса.

В то время как auto.arima() используется для ручного разнесения для нестационарных данных при включении внешних регрессоров, это уже не так. auto.arima() будет принимать нестационарные данные в качестве входных данных и определять порядок разности с использованием теста с единичным корнем.

См. Этот Post от Rob Hyndman для более подробной информации.