R时间序列分析预测结果始终保持不变

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.

点赞