R语言用ARIMA模型预测巧克力的兴趣趋势时间序列

在本文中我们对在Google趋势上的关键字“ Chocolate ”序列进行预测。

由Kaizong Ye,Weilong Zhang撰写


 

每月建立一个ARIMA模型比每周建立一个容易。因此,我们将每月数据序列化,将预测与观察结果进行比较。


热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程

在这里转换序列的对数序列。我们观察到趋势的变化(开始时是线性的,此后相对稳定)。

 

 

和偏自相关序列

该序列是稳定的,但是有很强的周期性成分。我们可以尝试AR模型或ARMA(带有AR的残差不是白噪声)。

这里的残差序列是白噪声

然后,我们可以使用此模型对初始序列进行预测

我们的模型为红色,真实的观察结果为蓝色。然后,我们可以根据这24个观测值计算误差平方和。

但是我们可以尝试其他模型,例如通过更改趋势或通过更改ARIMA模型(通过季节性单位根)来尝试

我们检查残差序列确实是白噪声

然后,我们可以对原始系列进行预测,

误差平方和低一些

也就是说,在过去的两年中,第二个模型比以前的模型要好,是对未来几年进行预测的好方法。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498