数据： 我有不同国家和因素的时间序列数据，例如从 1972 年到 2007 年“阿富汗”的出生率 (source)。
目标： 预测例如2008年和2012年的出生率
问题： 我熟悉线性回归，但在如何处理时间序列数据和预测未来值方面需要一些帮助。
你能指点我的例子或分享代码sn-ps吗？
【问题讨论】：
python 实现吗？
statsmodels（见下文）是要走的路。
标签： python pandas machine-learning scikit-learn time-series
看看statsmodels Time Series Analysis 模块。时间序列模型通常基于自相关，并且该模块具有标准单变量（用于单个时间序列）AR(p) 和 MA(p) 模型，以及允许 unit roots 的组合版本 ARIMA。您还可以找到多元（针对各种相互关联的时间序列）VAR 模型。
这里有一个time seriestutorial，用于使用pandas和statsmodels进行统计分析和预测。
【讨论】：
您可以在 R 中使用ARIMA 模型和VAR 模型。
ARIMA：自回归综合移动平均模型
VAR: 向量自回归模型
对于ARIMA 型号：click here
对于VAR 型号：click here
对于一个时间序列数据，使用ARIMA模型，但是如果多个时间序列数据相互关联，则使用VAR模型。
【讨论】：