arimax的r语言代码可直接运行

arimax是arima带外部变量的形式。一般的arima模型是单变量模型,而arimax是多变量模型。

#下载包
install.packages("Metrics")
install.packages("forecast")
install.packages("readxl")
#install.packages("openxlsx")
install.packages("broom")
install.packages("stargazer")

# 加载必要的库
library(stats)
library(tseries)
library(readxl)
library(forecast)
library(Metrics)
#library(openxlsx)
library(broom)
library(stargazer)
# 导入数据
excel_data <- read_excel("C:/Users/Administrator/Desktop/price/数据.xlsx")
excel_data


time_series <- excel_data$'lnfp'
exogenous <- excel_data$'om'

# 将数据分为训练集和测试集,训练集样本内回归
train_size<-3871
train_data <- time_series[1:train_size]
test_data <- time_series[(train_size+1):length(time_series)]
train_exog <- exogenous[1:train_size]
test_exog <- exogenous[(train_size+1):length(exogenous)]

# 初始化一个向量来存储预测结果
forecast_results <- numeric(length(test_data))

#自动确定p和d
### R语言中的ARIMAX模型预测代码示例 在R语言中实现ARIMAX模型并进行预测可以通过`forecast`包来完成。下面是一个完整的例子,展示了如何加载数据、拟合ARIMAX模型以及做出预测。 ```r # 安装必要的库 (如果尚未安装的话) if (!require(forecast)) install.packages('forecast') library(forecast) # 假设有一个时间序列对象 ts_data 和外生变量矩阵 exog_vars ts_data <- AirPassengers # 使用内置的时间序列作为示例 exog_vars_train <- data.frame(xreg1 = rnorm(length(ts_data)), xreg2 = rnorm(length(ts_data))) # 训练集划分 train_size <- floor(0.8 * length(ts_data)) test_size <- length(ts_data) - train_size training_ts <- window(ts_data, end = c(train_size)) testing_ts <- window(ts_data, start = c(train_size + 1)) # 对训练部分的数据建立ARIMAX模型 fit_arimax <- auto.arima(training_ts, xreg=window(exog_vars_train, end=c(train_size))) # 预测未来测试集中期数的结果,并提供新的外部回归量 new_exog_vars_test <- data.frame(xreg1=rnorm(test_size), xreg2=rnorm(test_size)) predictions <- forecast(fit_arimax, h=test_size, xreg=new_exog_vars_test) # 打印预测结果摘要 print(summary(predictions)) # 可视化实际值与预测值之间的对比图 plot.forecast(predictions) lines(testing_ts, col='red', lty=2) legend("topleft", legend=c("Predicted","Actual"), col=c("black","red"), lty=1:2) ``` 此段代码首先定义了一个假设性的内生变量(`AirPassengers`)和两个随机生成的外生变量用于说明目的。接着通过`auto.arima()`函数自动选择最佳参数组合构建ARIMAX模型[^1]。最后利用该模型对未来一段时间内的观测进行了预测,并绘制了预测值同真实值间的比较图表。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

人间一宾客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值