在 R 中使用回归分析进行时间序列预测

Question

作为我工作的一部分，我需要使用 R 评估时间序列数据的不同预测模型，并选择误差最低的模型。为此，我想知道如何使用线性回归（LR）方法对时间序列进行预测。在时间序列中，我们通常只有 1 列连续数据，但要使用 LR，我们至少需要 2 个变量，例如 y=Beta0+Beta1*x。我有每月 (x) 的销售数字，但如何让 y 变量使用 LR。

Answer 1

Praveen，我认为我们没有正确关注问题 here.I 了解您正在尝试根据过去的数据预测未来的销售量。

假设您定义了 data.frame sales，其中包含 revenue 和 time_period 数据。

此时此刻，我会亲自做一些数据探索，以检查变量之间是否存在某种相关性。

xyplot(revenue ~ time_period, data = sales)

然后，拟合模型

sales_model = lm(revenue ~ time_period, data = sales)

现在模型已经建立，应该可以计算出您要查找的系数。要获得它们，只需 运行 summary(sales_model)

系数矩阵的第一列应该为您提供模型的截距和斜率，它们是您正在寻找的 betas。