我是 R 新手，我一直使用电子视图，现在我必须进行回归
我的 Xt 是静止的，而 Yt 不是静止的，所以我需要区别
yt=Yt-Y(t-1)
那么回归是
yt = a + bXt
如何对 R 进行预测并获得“真实”值而不是差异？
在 e-views 中写 d(Yt) 是不可能的，但在 R 中是不可能的
【问题讨论】：
yt）没有滞后，是有差异的
diff()来计算差异。
标签： r forecasting
如果您提前 h 天预测第一个差异，您可以估计在 h 天后该系列的高或低。您只需将最后观察到的值添加到此差异即可获得级别：
dy_{t}:= y_{t} - y_{t-1}
你预测dy_{T+h}，你知道最后的观察，y_{T}, so y_{T+h} = dy_{T+h} + y_{T}。只需通过最后一次观察来增加对未来值的所有预测，您就可以得到一个水平预测。
如果您使用对数的一阶差分 dlny_{t} := lny_{t} - lny_{t-1}，您将得到增长率的一阶泰勒近似值，因此您可以预测增长率。在这种情况下，水平预测将是y_{T+h} = (1+dlny_{T+h}) y_{T}。
您不需要任何复杂的函数来进行这些转换。事实上，因为y_{T} 是一个标量，如果你有一个用于所有h 的dy_{T+h} or dlny_{T+h} 的向量，R 将允许你使用标量和向量编写我上面写的表达式，R 将管理维度问题自行解决。
【讨论】：
首先，如果您认为 X 会影响 y，那么您应该区分 both 变量。仅区分其中一个会导致模型中 X 影响 y 的 变化 而不是 y 本身。
您可以使用arima() 函数（并区分两个变量）来做到这一点：
fit <- arima(y, xreg=X, order=c(0,1,0))
然后使用以下方法获得无差异尺度上的预测
fcast <- predict(fit, n.ahead=10, newxreg=futureX)
其中futureX 包含接下来的 10 个 X 值。
如果你真的想模拟 X 对 d(y) 的影响，那么创建一个新变量
sumX <- cumsum(X)
并使用它来代替X（同样修改futureX）。
【讨论】：
我认为您正在寻找的是cumsum，这是diff（几乎）的逆运算。您可以像这样从其差异中恢复向量：
> z<-sample(20)
> dz<-diff(z)
> z0<-cumsum(c(z[1],dz))
> all(z==z0)
[1] TRUE
在你的情况下，它看起来像这样：
dY<-diff(Y)
dYhat<-lm(dY ~ X[-1])$fitted
Yhat<-cumsum(c(Y[1],dYhat))
【讨论】：