仅在单变量时间序列上实现

Question

我正在尝试对我的数据集进行时间序列分析。最初我的数据集具有以下属性。

[1] "Customer"        "Customer.No"     "Shop"            "Invoice"        
[5] "Quantity"        "Sales"           "Cash.Amt"      "Credit.Card.Amt"
[9] "Net.Sales"       "Mens.Wear"       "Womens.Wear"     "Kids.Wear"      
[13] "Foot.Wear"       "Fragrant"        "Class"           "Date"           
[17] "Year"            "Month"

但我在数据集中只使用了 Year & Sales 来实现时间序列。 当我尝试运行 arima 函数时，它会给出此错误“仅针对单变量时间序列实现”

data.ts<- as.ts(myData) 
is.ts(data.ts) 
class(data.ts) 
plot(data.ts) 
frequency(data.ts) 
plot(log(data.ts)) 
plot(diff(log(data.ts))) 
acf(data.ts) 
acf(diff(log(data.ts))) 
#p=0 
pacf(diff(log(AirPassengers)))
#q=0
fit <- arima(log(data.ts), c(0, 1, 0), seasonal = list(order = c(0, 1, 0), period = 1))

谁能告诉我我是否采用了正确的属性来实现时间序列？另外，为什么会出现这个错误？我该如何解决这个问题？

这是我的数据集的前 6 个观察结果。

   Sales  Year
[1,]   707  2016
[2,]   306  2016
[3,]   394  2016
[4,]   306  2016
[5,]   491  2016
[6,]   306  2016

分别是 2016、2017 和 2018 年，其中的销售额值不同。

Answer 1

您收到错误是因为您将数据帧传递给 arima() 函数，而它需要一个单变量时间序列。您可以通过正确定义时间序列来消除错误，如下所示：

data.ts <- as.ts(myData$Sales) 

然后您可以调用您的arima() 函数。

fit <- arima(log(data.ts), c(0, 1, 0), seasonal = list(order = c(0, 1, 0), period = 1))

但是，我不确定这是否正是您想要的结果。您的数据中有多个 2016 年的值，并且根据数据集中的列名，您可以获得月度数据。如果是这种情况，我怀疑设置 period = 1 会导致不良结果，因为当您有月度数据时，您表示周期 1，而周期 1 通常表示年度数据。您可以查看?ts 了解更多信息，但如果您有月度数据，您可能希望以这种方式定义时间序列：

data.ts <- ts(myData$Sales, frequency = 12, start = c(2016,1))

这表明您拥有从 2016 年第一个月 (start = c(2016,1)) 开始的月度数据 (frequency = 12)。再举一个例子，如果您有从 2016 年 4 月开始的月度数据，您将设置 frequency = 12 和 start = c(2016,4)。