Tag: 预测

auto.arima（）相当于python

我试图预测使用ARMA ARIMA模型的每周销售量。 我无法find调整statsmodels的顺序（p，d，q）的statsmodels 。 目前R有一个函数auto.arima() ，它将调整（p，d，q）参数。 我如何去为我的模型select正确的顺序？ Python中有没有用于此目的的库？

predict.lm（）是如何计算置信区间和预测区间的？

我跑了一个回归： CopierDataRegression <- lm(V1~V2, data=CopierData1) 我的任务是获得一个 给定V2=6和V2=6的平均响应的90％ 置信区间 当V2=6时预测间隔为 90％。 我使用了下面的代码： X6 <- data.frame(V2=6) predict(CopierDataRegression, X6, se.fit=TRUE, interval="confidence", level=0.90) predict(CopierDataRegression, X6, se.fit=TRUE, interval="prediction", level=0.90) 我得到了(87.3, 91.9)和(74.5, 104.8) ，这似乎是正确的，因为PI应该更宽。 两者的输出也包括se.fit = 1.39这是相同的。 我不明白这个标准错误是什么。 PI与CI的标准误差不应该大于？ 如何在R中find这两个不同的标准错误？ 数据： CopierData1 <- structure(list(V1 = c(20L, 60L, 46L, 41L, 12L, 137L, 68L, 89L, 4L, 32L, 144L, 156L, 93L, 36L, 72L, 100L, […]

获得警告：“'newdata'有1行，但是发现variables有32行”在R中的predict.lm

我在R中使用预测和lm函数时发现了特殊性。对于相同的数据，我得到了不同的dataframe和向量的结果。 数据框代码： data(mtcars) fitCar<-lm(mtcars$mpg~mtcars$wt) predict(fitCar, data.frame(x=mean(mtcars$wt)), interval="confidence") 输出： fit lwr upr 1 23.282611 21.988668 24.57655 2 21.919770 20.752751 23.08679 3 24.885952 23.383008 26.38890 4 20.102650 19.003004 21.20230 5 18.900144 17.771469 20.02882 6 18.793255 17.659216 19.92729 7 18.205363 17.034274 19.37645 8 20.236262 19.136179 21.33635 9 20.450041 19.347720 21.55236 10 18.900144 17.771469 20.02882 11 18.900144 17.771469 20.02882 […]

预测（） – 也许我不理解它

我今天早些时候发布了一个使用predict函数的错误。 我得到了纠正，并认为我是在正确的道路上。 我有一些观察（实际），我有几个数据点，我想外推或预测。 我用lm创build了一个模型，然后我试着用predict的实际值作为预测input。 这个代码是从我以前的post重复，但这里是： df <- read.table(text = ' Quarter Coupon Total 1 "Dec 06" 25027.072 132450574 2 "Dec 07" 76386.820 194154767 3 "Dec 08" 79622.147 221571135 4 "Dec 09" 74114.416 205880072 5 "Dec 10" 70993.058 188666980 6 "Jun 06" 12048.162 139137919 7 "Jun 07" 46889.369 165276325 8 "Jun 08" 84732.537 207074374 9 "Jun […]