使用日期预测日期

Question

我想创建一个可以用来预测未来日期的简单模型。我只想使用日期列表，并使用它来最好地预测未来的日期。这是我到目前为止所做的：

sales_modified = data.frame(City=sales$City, SOCreatedOn=sales$SOCreatedOn)
sales_modified = sales_modified[order(sales_modified$City,sales_modified$SOCreatedOn),]
sales_modified = unique(sales_modified)
sales_modified$rowNum = 1:length(sales_modified$City)
ggplot(data = sales_modified[1:119,], aes(x=rowNum, y=SOCreatedOn)) + geom_point(aes(color=City)) + 
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) + facet_wrap(~City)+ geom_smooth(method="lm")

date1 = lm(SOCreatedOn ~ rowNum, data = sales_modified[1:119,])

格式化日期并将其保存在名为sales_modified 的数据框中，该数据框创建两列，一个城市和一个日期。我创建rowNum 列的原因是为了以某种方式巧妙地绘制它并创建模型。我尝试使用lm() 来计算线性模型。如何在不提供任何其他数据的情况下找到下一个未来日期？

编辑： 尝试使用 ARIMA 模型，但当我知道情况并非如此时，它只会导致一个接一个地选择日期（4/27、4/28、4/29）。

timeseries = ts(sales_modified$SOCreatedOn[1:119])
plot.ts(timeseries)

auto.arima(timeseries)
timeseriesarima = arima(timeseries, order = c(2,1,0))
timeseriesforecast = forecast.Arima(timeseriesarima, h = 5)
as.Date(timeseriesforecast$mean[1:5])

Answer 1

时间序列数据违反了相邻数据点相互独立的假设，简单的线性回归无法正确解释这一点。考虑一个 ARIMA 模型 (?arima)

Answer 2

虽然我同意 @Rob 对时间序列违反独立性的担忧，但可能只有您才能最好地评估这一点（一个数据点是否为您提供有关下一个数据点的信息）。

话虽如此，如果您对 lm 模型的适当性感到满意，则很容易从 lm 模型中预测新响应。查看?predict.lm，并尝试类似

newdate <- predict(date1, newdata=data.frame(rowNum=120:140))

如果您发现按照@Rob 的建议使用 ARIMA 模型更合适，请查看?predict.Arima。用法类似predict(yourARIMAmodel)。