time-series - 具有多元协变量的 ARIMA 模型？

Question

让我们从我的数据集开始，其中第一列 Y 是时间序列观察值以及 10 个协变量 X1、X2、...、X10。事实上，我有多元回归量，想拟合一个时间序列模型。我在下面使用了这个 R 代码：

dta = read.csv("D:\\...\\tdata.csv", header = TRUE, sep = ";")
y=dta[,1]
xt=data.matrix(dta[,2:11])  
fit = auto.arima(y, xreg = xt)

这会生成 ARIMA(0,0,0) 模型！！看看输出：

Series: y 
Regression with ARIMA(0,0,0) errors 

Coefficients:
      intercept      X1       X2       X3       X4       X5       X6      X7      X8       X9      X10
        11.8458  0.0275  -0.0099  -0.0003  -0.0487  -0.0009  -0.0210  0.1427  0.0557  -0.0429  -0.0596
s.e.     0.9013  0.0149   0.0152   0.0038   0.0203   0.0038   0.0113  0.0092  0.0156   0.0113   0.0074

sigma^2 estimated as 0.565:  log likelihood=-65.37
AIC=154.73   AICc=160.97   BIC=180.45

Training set error measures:
                       ME      RMSE       MAE        MPE     MAPE     MASE      ACF1
Training set 4.298502e-13 0.6829234 0.5405171 -0.1562922 3.199299 3.019104 0.1504265

我怕我犯了一些错误！！任何人都可以成为帮助的孩子吗！！！？

第二个问题是对未来4个月的预测。我使用了这个 R 代码forecast(fit, xreg =xt)，这就是结果。你能帮我验证这个预测吗？

预测图

arima我的第三个问题是，如果我使用, 而不是，如何生成类似的情节auto.arima？

标签： time-seriesarimaforecast