在R中手动进行ARIMA预测 rm（list=ls（）） 猫（“\f”） #加载此分析所需的库 图书馆（fpp） 图书馆（预测） #进口美国消费数据 数据（美国消费） #拟合特定的ARIMA模型（2,0,1） 适合它不工作怎么办？你得到了什么？你期望得到什

在R中手动进行ARIMA预测

rm（list=ls（））
猫（“\f”）
#加载此分析所需的库
图书馆（fpp）
图书馆（预测）
#进口美国消费数据
数据（美国消费）
#拟合特定的ARIMA模型（2,0,1）
适合它不工作怎么办？你得到了什么？你期望得到什么？我们不是魔术师，所以制作一个可复制的例子很有帮助。
rm(list = ls())
 
cat("\f")

# Load the required libraries for this analysis

library(fpp)

library(forecast)
 
 
# Import US Consumption Data
data(usconsumption)
 
# Fit a specific ARIMA Model (2,0,1)
 
fit <- Arima(usconsumption[,"consumption"],
                  xreg=usconsumption[,"income"],
                  order=c(2,0,1))
 
fit
 
# Collect Actual, Fitted and Residuals in One Data Frame
ci<-data.frame(date=time(usconsumption), Y=as.matrix(usconsumption))
 
# Get the model fitted values
ci$forecasted=fit$fitted
 
# Model Residuals
ci$residual=fit$residuals
 
 
########################################################################
# Manually Compute Predicted Values to compare with ci$forecasted values
########################################################################
 
ci$computed<-((1-0.3882-0.2487)*-0.5672)+
              (0.3882*lag(ci$Y.consumption,1))+
              (0.2487*lag(ci$Y.consumption,2))+
              (0.2802*lag(ci$residual,1))+
              (0.2519*(ci$Y.income))