외부 변수가있는 예측 시계열 데이터

현재 시계열 데이터 (매월 데이터)를 예측하는 프로젝트를 진행하고 있습니다. R을 사용하여 예측을 수행하고 있습니다. 1 개의 종속 변수 (y)와 3 개의 독립 변수 (x1, x2, x3)가 있습니다. y 변수에는 73 개의 관측치가 있으며 다른 3 개의 변수도 있습니다 (alos 73). 2009 년 1 월부터 2015 년 1 월까지 상관 관계와 p- 값을 확인했으며 모델에 적용하는 것이 중요합니다. 내 질문은 : 모든 독립 변수를 사용하여 어떻게 좋은 예측을 할 수 있습니까? 이 변수에 대한 미래 값이 없습니다. 2 년 동안 (2017 년) 내 y 변수가 무엇인지 예측하고 싶다고 가정 해 봅시다. 어떻게해야합니까?

다음 코드를 시도했습니다.

    model = arima(y, order(0,2,0), xreg = externaldata) 

이 코드로 2 년 동안 y 값을 예측할 수 있습니까?

또한 회귀 코드를 시도했습니다.

    reg = lm(y ~ x1 + x2 + x3) 

그러나이 코드에서 어떻게 시간을 소비합니까? 내 y 값이 어떻게 초과 될지 어떻게 예측할 수 있습니까? 통계 및 예측이 처음입니다. 지연 값에 대해 약간의 읽기 및 캠을 수행했지만 모델에서 지연 값을 사용하여 예측을 수행하려면 어떻게해야합니까?

실제로 내 전반적인 질문은 미래 가치가없는 외부 변수로 시계열 데이터를 어떻게 예측할 수 있습니까?

외부 변수를 사용하여 모형을 적합시키고이 모형에서 예측하려면 외부 변수의 향후 값 (일반 및 단순)이 필요합니다. 이 문제를 해결할 방법이 없습니다.

설명 변수를 예측하는 방법에는 여러 가지가 있습니다. 마지막 관측치 ( "순수한 랜덤 보행"예측) 또는 전체 평균을 사용할 수 있습니다. 이 값이 유용한 값 (예를 들어, 과거에 재난이 예상되지 않은 지진과 같은 특별한 이벤트) 인 경우 간단히 0으로 설정할 수 있습니다. 또는을 사용하여 시계열 모델을 이러한 설명 변수 자체에 적합하게 예측할 수 auto.arima있습니다.

대안은 모델을 $y$설명 변수가 없는 값 , xreg매개 변수 를 제거한 다음 예측$y$이 모델을 사용합니다. 한 가지 장점은 설명 변수의 규칙을 캡처 할 수도 있다는 것입니다. 예를 들어, 아이스크림 판매는 온도에 의해 주도 될 수 있으며, 몇 개월 후에는 온도에 대한 예측이 좋지 않지만 온도는 계절적이므로 온도가 없는 모델 을 맞추기 만하면 계절적 모델이되고 계절적 모델이됩니다. 실제 판매 동인을 포함 하지 않더라도 예측은 실제로 매우 좋습니다 .

내가 추천 이 무료 온라인 예측 교과서 , 특히 다중 회귀에이 부분을 (불행하게도, ARIMAX에 대해 아무것도 없다가)뿐만 아니라, 롭 Hyndman의 블로그 포스트는 "ARIMAX 모델 혼란" .

Yogi Berra가 말했듯이 "특히 미래에 대한 예측은 어렵습니다."

많은 통계 소프트웨어 모듈은 SAS에 Proc Forecast 또는 사용 가능한 많은 ARIMA 모듈과 같은 미래 정보가없는 경우 일 변량 시계열 스트림을 기반으로 예측을 생성합니다. 이러한 예측은 데이터의 과거 동작을 기반으로 한 예측입니다.

귀하는 귀하의 데이터가 월간이지만 사용 가능한 기간을 알려주지 않습니다. 또 다른 방법은 3 개의 IV를 DV와 비교하여 24 개월 전에 다시 설정하여 예측 기간이 t + 24가되도록하는 것입니다. 이는 모델을 초기화하고 관련 계절성을 적절하게 보정하기에 충분한 날짜가 있다고 가정합니다.

내가 알듯이 세 가지 옵션이 있습니다.

1. 독립 변수에 대해 공개 된 예측을 사용하거나 예측할 모형을 찾으십시오. 예를 들어, 인구 조사는 인구 데이터를 예측했을 것입니다.
2. 보유한 데이터 세트를 사용하여 시간에 대해 각 독립 변수를 회귀 한 다음이 결과를 독립 변수에 대한 예측 모델로 사용하십시오.
3. 독립 변수를 버리고 종속 변수를 시간의 함수와 지연된 y 값으로 모델링하십시오.

각 접근 방식에는 고유 한 장단점이 있으므로 특정 상황에 따라 달라집니다.