Začněte nyníZačněte zdarma

Předpověď prodejů s přihlédnutím k výdajům na reklamu

Vítej v poslední kapitole kurzu!

Funkce auto.arima() dokáže natrénovat model dynamické regrese s ARIMA chybami. Oproti předchozímu použití je jediná změna ta, že nyní využiješ argument xreg, který obsahuje matici regresních proměnných. Tady jsou ukázky kódu z videa:

> fit <- auto.arima(uschange[, "Consumption"],
                    xreg = uschange[, "Income"])

> # rep(x, times)
> fcast <- forecast(fit, xreg = rep(0.8, 8))

Vidíš, že data jsou nastavena na sloupec Consumption z datasetu uschange a regresní proměnnou tvoří sloupec Income. Funkce rep() v tomto příkladu zreplikuje hodnotu 0.8 přesně osmkrát pro maticový argument xreg.

V tomto cvičení budeš modelovat data prodejů v závislosti na výdajích na reklamu, přičemž chyba modelu bude mít strukturu ARMA, aby zachytila případnou sériovou korelaci v regresních reziduálech. Data jsou v tvém pracovním prostředí dostupná jako advert a zahrnují 24 měsíců prodejů a výdajů na reklamu pro firmu s autodíly. Graf zobrazuje závislost prodejů na výdajích na reklamu.

Zamysli se nad vším, co ses v tomto kurzu dosud naučil/a, prozkoumej data advert v konzoli a pečlivě si přečti každý pokyn – toto cvičení bude trochu náročnější.

Toto cvičení je součástí kurzu

Forecasting v R

Zobrazit kurz

Pokyny k cvičení

  • Vykresli data z advert. Proměnné mají různé měřítko, takže nastav facets = TRUE.
  • Pomocí auto.arima() natrénuj regresi s ARIMA chybami na datech advert: první argument nastav na sloupec "sales", druhý argument xreg na sloupec "advert" a třetí argument stationary na TRUE.
  • Ověř, že natrénovaný model je regrese s chybami AR(1). O kolik se zvýší prodeje při každém nárůstu výdajů na reklamu o jednu jednotku? Tento koeficient je třetím prvkem výstupu funkce coefficients().
  • Sestav předpověď z natrénovaného modelu pro následujících 6 měsíců a ulož ji jako fc, přičemž předpokládej výdaje na reklamu 10 jednotek měsíčně. Pro zopakování hodnoty 10 šestkrát použij funkci rep() uvnitř argumentu xreg podle vzoru z ukázkového kódu výše.
  • Vykresli předpovědi fc a doplň připravený kód tak, aby byl popis osy x "Month" a popis osy y "Sales".

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Time plot of both variables
autoplot(___, ___)

# Fit ARIMA model
fit <- auto.arima(___[, ___], xreg = ___[, ___], stationary = ___)

# Check model. Increase in sales for each unit increase in advertising
salesincrease <- ___(___)[___]

# Forecast fit as fc
fc <- forecast(___, xreg = ___)

# Plot fc with x and y labels
autoplot(___) + xlab(___) + ylab(___)
Upravit a spustit kód