predict.Arima
位于 stats
包(package)。 说明
根据 arima
拟合的模型进行预测。
用法
## S3 method for class 'Arima'
predict(object, n.ahead = 1, newxreg = NULL,
se.fit = TRUE, ...)
参数
object |
|
n.ahead |
需要预测的前方步数。 |
newxreg |
用于预测的 |
se.fit |
逻辑:是否应该返回预测的标准误差? |
... |
传递给其他方法或从其他方法传递的参数。 |
细节
通过 KalmanForecast
使用 Finite-history 预测。仅当拟合的 MA 部分可逆时,这才在统计上有效,因此 predict.Arima
将为不可逆 MA 模型发出警告。
预测的标准误差排除了 ARMA 模型和回归系数估计的不确定性。根据 Harvey(1993,第 58-9 页)的说法,影响很小。
值
预测的时间序列,或者如果 se.fit = TRUE
,则包含组件 pred
的列表(预测)和 se
估计的标准误差。两个组成部分都是时间序列。
例子
od <- options(digits = 5) # avoid too much spurious accuracy
predict(arima(lh, order = c(3,0,0)), n.ahead = 12)
(fit <- arima(USAccDeaths, order = c(0,1,1),
seasonal = list(order = c(0,1,1))))
predict(fit, n.ahead = 6)
options(od)
参考
Durbin, J. and Koopman, S. J. (2001). Time Series Analysis by State Space Methods. Oxford University Press.
Harvey, A. C. and McKenzie, C. R. (1982). Algorithm AS 182: An algorithm for finite sample prediction from ARIMA processes. Applied Statistics, 31, 180-187. doi:10.2307/2347987.
Harvey, A. C. (1993). Time Series Models, 2nd Edition. Harvester Wheatsheaf. Sections 3.3 and 4.4.
也可以看看
相关用法
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R predict.HoltWinters 拟合 Holt-Winters 模型的预测函数
- R predict.loess 预测黄土曲线或表面
- R predict.lm 线性模型拟合的预测方法
- R predict.nls 根据非线性最小二乘拟合进行预测
- R predict.glm GLM 拟合的预测方法
- R predict 模型预测
- R preplot 绘图对象的预计算
- R profile.nls 分析 nls 对象的方法
- R proj 模型预测
- R prcomp 主成分分析
- R printCoefmat 打印系数矩阵
- R profile 分析模型的通用函数
- R prop.test 等比例或给定比例检验
- R profile.glm 分析 glm 对象的方法
- R print.ts 时间序列对象的打印和格式化
- R prop.trend.test 检验比例趋势
- R princomp 主成分分析
- R print.power.htest 假设检验和功效计算对象的打印方法
- R plot.stepfun 绘制阶跃函数
- R pairwise.t.test 成对 t 检验
- R plot.profile.nls 绘制 profile.nls 对象
- R plot.isoreg isoreg 对象的绘图方法
- R plot.HoltWinters HoltWinters 对象的绘图函数
- R ppoints 概率图的坐标
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Forecast from ARIMA fits。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。