R语言- predict()函数-解释

Question

一开始--因为我几乎是R语言的新手(老实说，我对编程也是如此)，我想请你尽可能简单地回答:)

问题是，我做了一个基本的线性模型，它应该能反映出我们国家的失业率。就预测而言，这很容易。我的意思是，我有我的模型的理论价值和2011-2017年的实际价值。从2011年第四季度到2017年第三季度，每季度收集24个观察值，数据。现在我想对2018年第一季度做一个预测。所以代码是这样的：

data <- read.csv2("http://web2.ue.katowice.pl/trzesiok/bezrobotni.csv")
trend <- lm(formula = dane$l.bezrobotnych ~ t, data = dane)
prog.df <- data.frame(t=26)
prog.I.2018 <- predict(trend, prog.df)

现在-一切都好了，它给了我2018年第一季度的结果。但。第25次观察结果如何？如果我想对2040年第四季度进行预测，并希望拥有2017年以来的所有预测数据，我应该做些什么？提前感谢:)

Answer 1

如果您想要更大的季度范围，则需要在定义prog.df时更改t的值。例如，如果你想要2018年的所有时间，你可以这样做：

prog.df <- data.frame(t %in% 26:29)

这将在prog.df中存储从26到29的所有季度，因此预测函数将返回所有四个季度的值。对于您想要的任何其他子集，您只需找到相应的quarter #或quarter #列表来定义t。

Answer 2

您需要为所有需要预测的协变量创建预测的数据框架。在您的情况下，适用于所有t。

25和26：prog.df <- data.frame(t=25:26)

• For 25到30：prog.df <- data.frame(t=25:30)

• For 25到100，每4：prog.df <- data.frame(t=seq(25, 100, 4))

• etc...的

只需小心处理超出数据范围的预测即可。