本文将介绍可以通过一种称为自回归分布滞后(ARDL)的方法来做到这一点。 Auto-Regressive Distributed Lag ARDL模型采用自回归。 当然ARDL方法也适用于零售以外的其他领域。 转换时间序列 首先使用下面的脚本转换时间序列。 ARDL 的扩展 多个目标变量预测,目前为止,我们都在预测单个变量(sparkling wine)。如果我们想要同时预测几个变量呢? 这种方法被称为:向量自回归 (VAR) 就像在 ARDL 中一样,每个变量都是根据其滞后和其他变量的滞后建模的。当想要预测多个变量而不仅仅是一个变量时,将使用 VAR。 与全局预测模型的关系 值得注意的是,ARDL并不等同于全局预测模型(Global Forecasting Models)。 在ARDL的前提下,每个变量的信息被添加到解释变量中。
自回归模型 时间序列是多元的,所以可以使用ARDL(Auto-regressive distributed lags)方法来解决这个任务。我们在之前也介绍过则个方法。
mZb3Kyeb1STMHd3BOuCYRLDE5D53sXOpZCz2HAF8P11F hcCF5yWPldwX8zyfGm6wyuMdKulMY/okYWLW2n62HGz1Ah3UKt1VkOsqEUc8Ll50soIipX1TH0Xs J5F95yIW6MBoNtjG8U+ARDL54dHRHareqKucBK