R

R,r,forecast,R,Forecast,我试图用R来预测三个变量,但我遇到了如何处理相关性的问题 我试图预测的三个变量是收入、订阅和价格 我最初的方法是对订阅和价格进行两个独立的时间序列预测,然后将结果相乘,生成收入预测 我想了解这种方法是否有意义,因为价格和订户之间存在内在的相关性,而这是我不知道如何处理的部分 # Load packages. library(forecast) # Read data data <- read.csv("data.csv") data.train <- data[0:57,] dat

我试图用R来预测三个变量,但我遇到了如何处理相关性的问题

我试图预测的三个变量是收入、订阅和价格

我最初的方法是对订阅和价格进行两个独立的时间序列预测,然后将结果相乘,生成收入预测

我想了解这种方法是否有意义,因为价格和订户之间存在内在的相关性,而这是我不知道如何处理的部分

# Load packages.
library(forecast)

# Read data
data <- read.csv("data.csv")
data.train <- data[0:57,]
data.test <- data[58:72,]

# Create time series for variables of interest
data.subs <- ts(data.train$subs, start=c(2014,1), frequency = 12)
data.price <- ts(data.train$price, start=c(2014,1), frequency = 12)

#Create model
subs.stlm <- stlm(data.subs)
price.stlm <- stlm(data.price)

#Forecast
subs.pred <- forecast(subs.stlm, h = 15, level = c(0.6, 0.75, 0.9))
price.pred <- forecast(price.stlm, h = 15, level = c(0.6, 0.75, 0.9))

非常感谢您的帮助

看起来您可以使用向量自回归VAR模型。请查看此处提供的说明和代码:

谢谢!这正是我要找的。