R-SARIMA公式_R - Fatal编程技术网

R-SARIMA公式

R-SARIMA公式,r,R,我有以下时间序列： 11.17013 11.01357 11.07622 10.94406 10.85379 10.85132 10.98871 10.90698 10.95082 11.14337 11.11942 11.34594 11.59245 11.92184 11.70076 11.17222 11.09777 11.15845 11.08133 11.01114 11.20582 11.26133 11.20473 11.31534 11.

我有以下时间序列：

我使用的模型是：

out2 = arima(churn2,order=c(1,0,2), seasonal = list(order = c(1, 0, 2), period = 12))
pred2 = predict(out2,24)

预测如下：

与：

我尝试了许多不同的公式，但从未得到预测结果

用于预测的公式是什么？我们能准确计算原始时间序列的预测吗？

使用R中的软件包。您可以使用

拟合

获得预测值，并使用

预测

进行预测！以下是一个例子：

> library(forecast)
> fit.1<-Arima(USAccDeaths, order = c(0,1,1), seasonal = list(order = c(0,1,1)))
> prd=fitted(fit.1)
> prd
           Jan       Feb       Mar       Apr       May       Jun       Jul       Aug       Sep
1973  9001.800  8104.372  8926.240  9135.504 10015.010 10823.600 11314.488 10742.342  9712.502
1974  7788.446  6874.955  7793.928  8165.984  9118.551  9695.603 10096.607  9571.399  8677.644
1975  7460.699  7061.438  8154.902  8427.766  8684.042  9865.709 10246.993  9743.396  8604.486
1976  7240.482  6684.761  8012.153  7910.545  8929.076  9248.846  9629.685  9438.031  8098.223
1977  7725.884  7190.321  7680.099  7799.543  8842.792  9285.876 10111.025  9750.123  8325.877
1978  7995.194  7213.350  7718.853  7982.112  8932.428  9449.319 10486.450  9531.172  8612.342
           Oct       Nov       Dec
1973  9937.338  9161.140  8933.014
1974  8959.992  8323.985  8335.390
1975  8735.658  8020.437  7983.257
1976  8316.940  7970.185  7803.336
1977  8662.671  8248.118  8547.140
1978  9325.382  8630.104  9029.801
> f1<-forecast(fit.1,h=10)
> f1
         Point Forecast     Lo 80     Hi 80    Lo 95     Hi 95
Jan 1979       8336.061  7931.798  8740.324 7717.794  8954.328
Feb 1979       7531.829  7066.619  7997.040 6820.351  8243.307
Mar 1979       8314.644  7795.594  8833.694 7520.825  9108.462
Apr 1979       8616.869  8049.062  9184.676 7748.483  9485.255
May 1979       9488.913  8876.216 10101.609 8551.874 10425.951
Jun 1979       9859.757  9205.243 10514.272 8858.764 10860.751
Jul 1979      10907.470 10213.654 11601.287 9846.369 11968.571
Aug 1979      10086.508  9355.500 10817.517 8968.527 11204.490
Sep 1979       9164.959  8398.561  9931.357 7992.855 10337.064
Oct 1979       9384.259  8584.036 10184.483 8160.423 10608.096
> plot(f1)
> points(prd,type="l",col="blue",lwd=2)

>库（预测）
>安装1 prd=已安装（安装1）
>珠三角
一月二月三月四月五月六月七月八月九月
1973  9001.800  8104.372  8926.240  9135.504 10015.010 10823.600 11314.488 10742.342  9712.502
1974  7788.446  6874.955  7793.928  8165.984  9118.551  9695.603 10096.607  9571.399  8677.644
1975  7460.699  7061.438  8154.902  8427.766  8684.042  9865.709 10246.993  9743.396  8604.486
1976  7240.482  6684.761  8012.153  7910.545  8929.076  9248.846  9629.685  9438.031  8098.223
1977  7725.884  7190.321  7680.099  7799.543  8842.792  9285.876 10111.025  9750.123  8325.877
1978  7995.194  7213.350  7718.853  7982.112  8932.428  9449.319 10486.450  9531.172  8612.342
10月11月12日
1973  9937.338  9161.140  8933.014
1974  8959.992  8323.985  8335.390
1975  8735.658  8020.437  7983.257
1976  8316.940  7970.185  7803.336
1977  8662.671  8248.118  8547.140
1978  9325.382  8630.104  9029.801
>f1
点预测Lo 80 Hi 80 Lo 95 Hi 95
1979年1月8336.061 7931.798 8740.324 7717.794 8954.328
1979年2月7531.829 7066.619 7997.040 6820.351 8243.307
1979年3月8314.644 7795.594 8833.694 7520.825 9108.462
1979年4月8616.869 8049.062 9184.676 7748.483 9485.255
1979年5月9488.913 8876.216 10101.609 8551.874 10425.951
1979年6月9859.757 9205.243 10514.272 8858.764 10860.751
1979年7月10907.470 10213.654 11601.287 9846.369 11968.571
1979年8月10086.508 9355.500 10817.517 8968.527 11204.490
1979年9月9164.959 8398.561 9931.357 7992.855 10337.064
1979年10月9384.2598584.03610184.4838160.42310608.096
>地块（f1）
>点数（prd，type=“l”，col=“blue”，lwd=2）

谢谢你的回答。但是我需要的是手动计算结果的公式。看看。当您想要插入e_t时，需要使用从模型拟合中获得的残差。