r语⾔没有forecast这个函数_⽤R语⾔进⾏时间序列分析及预测
（⼀）
《商务与经济统计》与《R语⾔实战》实践笔记九十五条论纲
数据和案例摘录⾃《商务与经济统计》，并作出⼀些修改。
时间序列的模式主要是3⼤类，1.⽔平模式，2趋势模式，3，季节模式。在第⼀部分的笔记内容，先记录前两种模式。
1.⽔平模式
当数据围绕着⼀个不变的均值上下波动时，则存在⽔平模式。为了说明时间序列拥有⽔平模式，考虑下表的数据。这些数据是佛蒙特州本宁顿的⼀个批发商销售汽油的数量。时间序列的平均数为每⽉19.25(1000加仑)。
(1)输⼊数据，观察时间序列模式。
超时空效应
从上⾯时间序列图，可以显⽰出是⽔平模式，但是这个只是主观的观察，并没有⾜够的证据。关于确定时间序列是否平稳，这⾥先不做讨论。
(2)单指数平滑法
单指数平滑法指数平滑法是利⽤过去时间序列的加权平均数作为预测值，即我们只选择⼀个权重——最近时期观察观测值的权重。其他数据的权重可以⾃动推算出来，并随着观测值距离预测值越远，权重也变得越来越⼩。这个权重就是α值，α值越接近1，则近期观测值的权重越⼤；反之，α越接近于0。⽽这个α值在R语⾔可以最优化在给定数据集上的拟合效果。
ets(mode=“ANN”)语句对tsales时序拟合单指数模型，其中A表⽰可以加误差，NN表⽰时序中不存在趋势项(斜率)和季节项。
(3)向前预测
forecast()函数⽤于预测时序未来的k步，其形式为forecast(fit，k)。这⼀数据集中⼀步向前预测的结果是19.24，其95%的置信区间为14.50到23.99,80%的置信区间为16.14到22.14。并给出了预测折线图。钓鱼技巧调漂
(4)准确性度量
眼药水怎么滴才正确forecast包同时提供了accuracy()函数，展⽰了时序预测中最主流的⼏个准确性度量。⼀般来说平均误差(ME)和平均百分⽐误差(MPE)⽤处不⼤，因为正向和负向的误差会抵消掉。在这⼏种预测准确性度
量中，并不存在某种最优度量，不过平均残差平⽅和的平⽅根(RMSE)相对最有名，最常⽤。
中草药有哪些2.有线性的趋势推测法
我们考虑的案例是某⾃⾏车制造⼚过去10年⾃⾏车销售量的的时间序列。1985年什么命
(1)输⼊数据，观察时间序列的模式
什么人善任
这⼀部分主要⽤Holt线性指数平滑法进⾏预测，它是单⼀指数平滑法的⼀个推⼴，使⽤两个平滑常数：⼀个⽤于解释时间序列的⽔平，另⼀个⽤于解释数据中的线性趋势(斜率)。
从上⾯的时间序列图可以显⽰在过去10年有些上下的波动，但是我们可能会同意，时间序列似乎总体是增长的或者有向上的趋势。下⾯我们就⽤Holt指数平滑法建⽴⽤于预测有线性趋势的时间序列的指数平滑指数。
(2)Holt线性平滑法
注意看⼀下model=“AAN”，这个拟合模型⽤了⽔平项和趋势项(斜率)两个参数。⽽α和β值是R语⾔⾃动给出的最优化拟合值。
一半绿一半红一半喜雨一半喜风(3)向前预测
