使用索引解释变量（年）预测OLS线性模型中的值-Java 学习之路

这是其中一个问题，其中可能有一百万种方法可以使实际答案无关紧要，但顽固性阻碍了......

在试图理解时间序列的应用时，很明显，数据的去趋势使得预测未来值难以置信 . 例如，使用 astsa 包中的 gtemp 数据集，过去几十年的趋势需要考虑在内：

enter image description here

因此，我最终得到了去趋势数据的ARIMA模型（对或错），这使我能够提前10年“预测”：

fit = arima(gtemp, order = c(4, 1, 1))
pred = predict(fit, n.ahead = 10)

以及自1950年以来的 Value 观的OLS趋势估计：

gtemp1 = window(gtemp, start = 1950, end = 2009)
fit2 = lm(gtemp1 ~ I(1950:2009))

问题是如何使用 predict() 来获取未来10年线性模型零件的估计值 .

如果我运行 predict(fit2, data.frame(I(2010:2019))) 我得到60个值，我将运行 predict(fit2) ，加上一条错误消息： 'newdata' had 10 rows but variables found have 60 rows .

1 回答

你需要：

dat <- data.frame(year = 1950:2009, gtemp1 = as.numeric(gtemp1))
fit2 <- lm(gtemp1 ~ year, data = dat)
unname( predict(fit2, newdata = data.frame(year = 2010:2019)) )
# [1] 0.4928475 0.5037277 0.5146079 0.5254882 0.5363684 0.5472487 0.5581289
# [8] 0.5690092 0.5798894 0.5907697

或者，如果您不想在 lm 中使用 data 参数，则需要：

year <- 1950:2009
fit2 <- lm(gtemp1 ~ year)
unname( predict(fit2, newdata = data.frame(year = 2010:2019)) )
# [1] 0.4928475 0.5037277 0.5146079 0.5254882 0.5363684 0.5472487 0.5581289
# [8] 0.5690092 0.5798894 0.5907697

Why your original code fails

当您执行 fit2 <- lm(gtemp1 ~ I(1950:2009)) 时， lm 假设有一个名为 I(1950:2009) 的协变量：

attr(fit2$terms, "term.labels")  ## names of covariates
# [1] "I(1950:2009)"

当您稍后进行预测时， predict 将旨在查找新数据框中的变量，称为 I(1950:2009) . 但是，请查看 newdata 的列名：

colnames( data.frame(I(2010:2019)) )
# [1] "X2010.2019"

因此， predict.lm 无法在 newdata 中找到变量 I(1950:2009) ，那么它将使用内部模型框架 fit2$model 作为 newdata ，并默认返回拟合值（这解释了为什么您得到60个值） .

回复于 2024-05-16T08:01:40+08:00

使用索引解释变量（年）预测OLS线性模型中的值

1 回答

相关问题