J'utilise auto.arima()
du paquet forecast
et je commence à avoir des résultats étranges avec la prédiction.Pourquoi est-ce que je vois un saut dans mes prévisions de séries chronologiques?
library(forecast)
x <- structure(c(1.92, 2.1, 1.73, 1.35, 1.29, 1.35, 1.42, 1.46, 1.6,
1.67, 1.98, 1.78, 1.77, 2.35, 1.93, 1.43, 1.29, 1.26, 1.93, 2.33,
2.22, 2.19, 2.15, 2.25, 3.12, 3.32, 2.72, 2.28, 2.28, 2.16, 2.81,
3.12, 2.85, 2.98, 3.3, 3.06, 3.56, 3.81, 3.48, 2.64, 2.91, 3.35,
3.73, 3.58, 4, 3.94, 3.79, 3.85), .Tsp = c(2012, 2015.91666666667,
12), class = "ts")
fit <- auto.arima(x)
plot(forecast(fit, 12)) #forecast and actual data
f2 <- fitted.values(fit)
lines(f2, col="red") #add predicted values during training
Je ne comprends pas comment la valeur ajustée (ligne rouge) est très proche de la valeur observée (noir) mais il y a un tel grand saut dans la première prévision.
Des idées pour lesquelles nous voyons ce saut? J'ai vu d'autres posts sur Stack Exchange où l'option xreg
a été utilisée mais cela ne fonctionne pas, donc je n'ai pas pu retrouver un post similaire.
Bien sûr que non. La question est de savoir pourquoi l'écart entre la dernière valeur prédite en rouge et la première valeur prédite en bleu est si grand. Est-ce simplement que les lignes ne sont pas connectées et que l'écart semble important ou existe-t-il un autre problème? Les prédictions provenant de la fonction forecast() sont très éloignées des données réelles de 2016. Les prédictions d'entraînement sont assez proches. Le saut de Dec à Jan n'est jamais aussi important. – stats217
Je ne pense pas qu'il y ait de question de programmation ici. Il semble que vous ayez des problèmes pour interpréter les résultats de votre modèle. Si vous avez des questions sur les modèles statistiques sous-jacents, vous devriez probablement poster votre question sur [stats.se]. – MrFlick