R GG加强自动批次置信区间水平_R_Ggplot2_Xts_Forecast_Ggfortify

R GG加强自动批次置信区间水平

R GG加强自动批次置信区间水平,r,ggplot2,xts,forecast,ggfortify,R,Ggplot2,Xts,Forecast,Ggfortify,我试图使用ggfortify的autoplot估计95%的置信区间，但我无法实现。如果我使用forecast软件包，并提前3周预测95%的CI，效果很好。见下文： wt <- structure(list(DOC = c(3, 10, 17, 24, 31, 38, 45, 52, 59, 66, 73, 80, 87, 94, 101), AvgWeight = c(1, 1.66666666666667, 2.06666666666667, 2.275, 3.83333333333

我试图使用ggfortify的autoplot估计95%的置信区间，但我无法实现。如果我使用forecast软件包，并提前3周预测95%的CI，效果很好。见下文：

wt <- structure(list(DOC = c(3, 10, 17, 24, 31, 38, 45, 52, 59, 66, 
73, 80, 87, 94, 101), AvgWeight = c(1, 1.66666666666667, 2.06666666666667, 
2.275, 3.83333333333333, 6.2, 7.4, 8.5, 10.25, 11.1, 13.625, 
15.2, 16.375, 17.8, 21.5), PondName = structure(c(1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "Pond01", class = "factor"), 
    SampleDate = structure(c(1182585600, 1183190400, 1183795200, 
    1184400000, 1185004800, 1185609600, 1186214400, 1186819200, 
    1187424000, 1188028800, 1188633600, 1189238400, 1189843200, 
    1190448000, 1191052800), class = c("POSIXct", "POSIXt"))), .Names = c("DOC", 
"AvgWeight", "PondName", "SampleDate"), row.names = c(NA, 15L
), class = "data.frame")  

wt$SampleDate <- as.Date(wt$SampleDate)  
wt
     DOC AvgWeight PondName SampleDate
1    3  1.000000   Pond01 2007-06-23
2   10  1.666667   Pond01 2007-06-30
3   17  2.066667   Pond01 2007-07-07
4   24  2.275000   Pond01 2007-07-14
5   31  3.833333   Pond01 2007-07-21
6   38  6.200000   Pond01 2007-07-28
7   45  7.400000   Pond01 2007-08-04
8   52  8.500000   Pond01 2007-08-11
9   59 10.250000   Pond01 2007-08-18
10  66 11.100000   Pond01 2007-08-25
11  73 13.625000   Pond01 2007-09-01
12  80 15.200000   Pond01 2007-09-08
13  87 16.375000   Pond01 2007-09-15
14  94 17.800000   Pond01 2007-09-22
15 101 21.500000   Pond01 2007-09-29

    library(forecast)
    library(ggfortify)
    library(ggplot2)
    library(xts) 

pond <- as.xts(wt$AvgWeight,order.by=seq(as.Date("2007-06-23"), by=7, len=15))
pond 
d.arima <- auto.arima(pond)
d.arima;fitted(d.arima)
d.forecast <- forecast(d.arima, level = c(95), h = 3)
d.forecast


 > d.forecast
    Point Forecast    Lo 95    Hi 95
106           25.2 23.14483 27.25517
113           28.9 24.30450 33.49550
120           32.6 24.91026 40.28974

但如果我这样做：

ggfortify::autoplot(d.arima,predict=predict(d.arima,n.ahead=3),conf.int=TRUE,predict.alpha = 
0.05,fitted.colour="green",
predict.colour='red',predict.linetype='solid')

它默认为80%的置信区间。我试图在predict（）中设置信心级别，但它被忽略了。我还尝试了autoplot（）中的级别，但也没有成功。问题：如何使用ggfortify的autoplot实现不同程度的信心？此处使用predict.alpha是否正确，还是用于预测点估计的alpha颜色？

另外，是否可以将安装的绿线连接到预测的红线？

我很惊讶您没有收到错误，并且看到了显示的图。不幸的是，我不能复制你的情节

当我在

forecast

之后加载

ggfortify

时，我找不到使用

forecast

autoplot

的方法。这是因为

ggfortify

实际上并没有导出

autoplot

；相反，它覆盖了

forecast

中的

autoplot

方法。因此，

ggfortify:：autoplot（…）

不应该工作，应该抛出错误错误：“autoplot”不是从“命名空间：ggfortify”导出的对象

也没有

autoplot.forecast

或

autoplot.ts

的

predict

参数，所以我不确定这是从哪里来的您想使用

forecast

和

ggfortify

的原因是什么？为什么不坚持使用

forecast

autoplot

进行绘图？下面是一个基于示例数据和

d.arima

autoplot（预测（d.arima））+theme_minimal（）

亮区和暗区分别对应于95%和80%的CI

使用

forecast_8.10

和

ggfortify_0.4.7

进行测试，我很惊讶您没有收到错误，并且看到了显示的图。不幸的是，我不能复制你的情节

当我在

forecast