我正在尝试在R中进行时间序列分析.
我有这样的数据时间序列数据集.
Month Year Value
December 2013 5300
January 2014 289329.8
February 2014 596518
March 2014 328457
April 2014 459600
May 2014 391356
June 2014 406288
July 2014 644339
August 2014 251238
September 2014 386466.5
October 2014 459792
November 2014 641724
December 2014 399831
January 2015 210759
February 2015 121690
March 2015 280070
April 2015 41336
谷歌搜索我发现我可以使用auto.arima函数来预测结果.
我设法编写R代码来使用auto.arima函数进行预测
data <- c(5300,289329.8,596518,328457,459600,391356,406288,644339,251238,386466.5,459792,641724,399831,210759,121690,280070,41336)
data.ts <- ts(data, start=c(2013, 12), end=c(2015, 4), frequency=12)
plot(data.ts)
fit <- auto.arima(data.ts)
forec <- forecast(fit)
plot(forec)
问题是我的预测结果始终保持不变.
可以告诉我出了什么问题.或者帮我纠正我的预测结果.谢谢
最佳答案 没有错误.这只是您的自动预测:仅包含截距(平均值)的模型.
您只有17个障碍物,并且具有(可能的)低信噪比,很难提取任何可能的趋势,持续性,滞后误差等.此外,不可能捕捉与周期较高的周期相关的季节性(像年度季节性一样),当你只有这么短的观察系列.