R反向应用增长率

我有一个数据，有两个不同的月序列和一年的重叠

ts1 <- ts(cumsum(rnorm(120,.1,1)), start = 1995, frequency = 12)
ts2 <- ts(cumsum(rnorm(120,.2,1)), start = 2004, frequency = 12)

---

ts1这里有一种方法，使用重叠位上的简单线性回归来确定两个序列之间的关系，然后将该模型应用于
ts1
的非重叠部分，以估计
ts2
的早期值。最后一步为您提供了一个新的
ts
对象，该对象表示非重叠期间
ts2
的预测值

# Make the toy data
set.seed(1)
ts1 <- ts(cumsum(rnorm(120,.1,1)), start = 1995, frequency = 12)
ts2 <- ts(cumsum(rnorm(120,.2,1)), start = 2004, frequency = 12)
# Now do the estimation
x <- as.vector(window(ts1, start = c(2004,1), end = c(2004,12)))
y <- as.vector(window(ts2, start = c(2004,1), end = c(2004,12)))
tsmod <- lm(y ~ x)
ts2preds <- predict(tsmod, newdata = as.data.frame(window(ts1, start = c(1995,1), end = c(2003,12))))
ts2prior <- ts(data = ts2preds, start = c(1995, 1), end = c(2003, 12), frequency = 12)

以下是产生以下结果的情节：


以下是两个系列的比较：

> cor(ts2plus$mean, ts2preds)
[1] 0.9760174

<> P>如果你的主要目标是对这些早期值进行最好的预测，你可以考虑运行两个版本并平均它们的结果。然后这就变成了一个非常简单的多模型集合预测（或回溯）。
这里有一种方法，在重叠位上使用简单的线性回归来确定两个序列之间的关系，然后将该模型应用于
ts1
的非重叠部分，以估计
ts2
的早期值。最后一步为您提供了一个新的
ts
对象，该对象表示非重叠期间
ts2
的预测值

# Make the toy data
set.seed(1)
ts1 <- ts(cumsum(rnorm(120,.1,1)), start = 1995, frequency = 12)
ts2 <- ts(cumsum(rnorm(120,.2,1)), start = 2004, frequency = 12)
# Now do the estimation
x <- as.vector(window(ts1, start = c(2004,1), end = c(2004,12)))
y <- as.vector(window(ts2, start = c(2004,1), end = c(2004,12)))
tsmod <- lm(y ~ x)
ts2preds <- predict(tsmod, newdata = as.data.frame(window(ts1, start = c(1995,1), end = c(2003,12))))
ts2prior <- ts(data = ts2preds, start = c(1995, 1), end = c(2003, 12), frequency = 12)

以下是产生以下结果的情节：


以下是两个系列的比较：

> cor(ts2plus$mean, ts2preds)
[1] 0.9760174

<> P>如果你的主要目标是对这些早期值进行最好的预测，你可以考虑运行两个版本并平均它们的结果。然后，这就变成了一个非常简单的多模型集合预测（或回溯）