R 谐波预测失败 - 新数据结构

Question

我正在使用这样创建的调和回归来预测时间序列：

（使用的软件包：tseries、forecast、TSA、plyr）

airp <- AirPassengers
TIME <- 1:length(airp)
SIN <- COS <- matrix(nrow = length(TIME), ncol = 6,0)
for (i in 1:6){
  SIN[,i] <- sin(2*pi*i*TIME/12)
  COS[,i] <- cos(2*pi*i*TIME/12)
}
SIN <- SIN[,-6]

decomp.seasonal <- decompose(airp)$seasonal

seasonalfit <- lm(airp ~ SIN + COS)

配件效果很好。预测的时候出现问题

TIME.NEW <- seq(length(TIME)+1, length(TIME)+12, by=1)
SINNEW <- COSNEW <- matrix(nrow=length(TIME.NEW), ncol = 6, 0)
for (i in 1:6) {
  SINNEW[,i] <- sin(2*pi*i*TIME.NEW/12)
  COSNEW[,i] <- cos(2*pi*i*TIME.NEW/12)
}
SINNEW <- SINNEW[,-6]

prediction.harmonic.dataframe <- data.frame(TIME = TIME.NEW, SIN = SINNEW, COS = COSNEW)

seasonal.predictions <- predict(seasonalfit, newdata = prediction.harmonic.dataframe)

这会导致警告：

Warning message:
'newdata' had 12 rows but variables found have 144 rows

我翻了一下，发现名字是SIN.1、SIN.2等，而不是SIN1和SIN2...所以我手动更改了那些它仍然没有用。我还手动删除了 SIN.6，因为出于某种原因，它仍然存在。

帮忙？

编辑：我也看过类似的帖子，但这些问题的答案并没有解决我的问题。

Answer 1

在用不在 data.frame 内的变量（尤其是矩阵）拟合 lm 模型后，尝试用 data.frame 进行预测并不好玩。如果您始终根据 data.frame.

中的数据拟合模型会更好

例如，如果你这样做了

seasonalfit <- lm(airp ~ ., data.frame(airp=airp,SIN=SIN,COS=COS))

那么你的预测就可以了。

或者您可以尝试将矩阵塞入 data.frame 中，但这通常不是一个好主意。你会做

prediction.harmonic.dataframe <- data.frame(TIME = TIME.NEW, 
    SIN = I(SINNEW), COS = I(COSNEW))

I()（或 AsIs 函数）会将它们保留为矩阵。

R 谐波预测失败 - 新数据结构

R Harmonic Prediction Failing - newdata structure

regression

r