在传递给R中Arima()的xreg参数之前，我们需要对外生变量进行差分吗？
在传递给R中Arima()的xreg参数之前，我们需要对外生变量进行差分吗？
提问于 2018-03-21 10:39:52
我试图在R中使用ARIMAX建立一个预测模型，并需要一些关于在xreg参数中如何处理协变量的指导。
据我所知，auto.arima函数在拟合模型时考虑协变量的差异(根据训练期间的数据)，也不需要对协变量进行差异来生成测试期的预测(未来值)。然而，在R中使用Arima()模型拟合自定义(p，d，q)和(P，D，Q)m值时，当d或D大于0时，是否需要手工进行协变量的差分？如果进行差分，则得到的问题是，差分协变量矩阵的长度小于因变量的数据点数。
我们该如何处理这件事？
- 我应该发送协变量矩阵作为它是，即没有差？
- 我是否应该做差分，但忽略前几次观测，对于那些差异的协变量数据是不可得的？
- 对于不存在差异协变量值的前几行，是否应该保留实际值，而其余行是否保留有不同值的行？
- 如果我必须将标志变量(1/0)传递给xreg矩阵，我也应该对这些变量进行差分，还是用剩余变量的差值来绑定标志变量的实际值？
此外，在生成未来期间的预测时，我如何传递协变量值(按其本身或差异后)？
我使用以下代码：
ndiff <- ifelse(((pdq_order == "auto") || (PDQ_order == "auto")), ndiffs(ts_train_PowerTransformed), pdq_order[2])
nsdiff <- ifelse(((pdq_order == "auto") || (PDQ_order == "auto")), nsdiffs(ts_train_PowerTransformed), PDQ_order$order[2])
# Creating the appropriate covariates matrix after doing differencing
ifelse(nsdiff >= 1
, ifelse(ndiff >= 1
, xreg_differenced <- diff(diff(ts_CovariatesData_TrainingPeriod, lag = PDQ_order$period, differences = nsdiff), lag = 1, differences = ndiff)
, xreg_differenced <- diff(ts_CovariatesData_TrainingPeriod , lag = PDQ_order$period, differences = nsdiff)
)
, ifelse(ndiff >= 1
, xreg_differenced <- diff( ts_CovariatesData, lag = 1, differences = ndiff)
, xreg_differenced <- ts_CovariatesData
)
# Fitting the model
model_arimax <- Arima(ts_train_PowerTransformed, order = pdq_order, seasonal = PDQ_order, xreg = xreg_differenced))
# Generating Forecast for the test period
fit.test <- model_arimax %>% forecast(h=length(ts_test),
xreg = as.data.frame(diff(diff(ts_CovariatesData_TestPeriod, lag = PDQ_order$period, differences = nsdiff), lag = 1, differences = ndiff))请给我建议。
回答 1
Stack Overflow用户
发布于 2018-03-22 11:03:51
Arima将按照顺序和季节性参数中指定的响应变量和xreg变量进行区别。你不应该做你自己的区别。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49404108
复制相关文章
相似问题
腾讯云开发者
