R predict.Arima ARIMA 的預測適合

說明

根據 arima 擬合的模型進行預測。

用法

## S3 method for class 'Arima'
predict(object, n.ahead = 1, newxreg = NULL,
        se.fit = TRUE, ...)

參數

object	arima 擬合的結果。
n.ahead	需要預測的前方步數。
newxreg	用於預測的 xreg 的新值。必須至少有 n.ahead 行。
se.fit	邏輯：是否應該返回預測的標準誤差？
...	傳遞給其他方法或從其他方法傳遞的參數。

細節

通過 KalmanForecast 使用 Finite-history 預測。僅當擬合的 MA 部分可逆時，這才在統計上有效，因此 predict.Arima 將為不可逆 MA 模型發出警告。

預測的標準誤差排除了 ARMA 模型和回歸係數估計的不確定性。根據 Harvey(1993，第 58-9 頁)的說法，影響很小。

值

預測的時間序列，或者如果 se.fit = TRUE ，則包含組件 pred 的列表(預測)和 se 估計的標準誤差。兩個組成部分都是時間序列。

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)

參考

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

arima