Pronosticando ventas teniendo en cuenta el gasto en publicidad
¡Bienvenido al último capítulo del curso!
La función auto.arima() ajustará un modelo de regresión dinámica con errores ARIMA. El único cambio respecto a cómo la usaste antes es que ahora emplearás el argumento xreg, que contiene una matriz de variables de regresión. Aquí tienes algunos fragmentos de código del vídeo:
> fit <- auto.arima(uschange[, "Consumption"],
xreg = uschange[, "Income"])
> # rep(x, times)
> fcast <- forecast(fit, xreg = rep(0.8, 8))
Puedes ver que los datos se establecen en la columna Consumption de uschange, y la variable de regresión es la columna Income. Además, en este caso la función rep() replicaría el valor 0.8 exactamente ocho veces para el argumento de matriz xreg.
En este ejercicio, vas a modelar datos de ventas en función del gasto en publicidad, con un error ARMA para tener en cuenta cualquier autocorrelación en los errores de la regresión. Los datos están disponibles en tu espacio de trabajo como advert y comprenden 24 meses de ventas y gasto publicitario de una empresa de repuestos de automoción. El gráfico muestra ventas frente a gasto en publicidad.
Recuerda todo lo que has aprendido en el curso, inspecciona los datos advert en tu consola y lee cada instrucción con atención para afrontar este ejercicio desafiante.
Este ejercicio forma parte del curso
Forecasting en R
Instrucciones del ejercicio
- Grafica los datos en
advert. Las variables están en escalas diferentes, así que usafacets = TRUE. - Ajusta una regresión con errores ARIMA a
advertestableciendo el primer argumento deauto.arima()a la columna"sales", el segundo argumentoxrega la columna"advert", y el tercer argumentostationaryaTRUE. - Comprueba que el modelo ajustado es una regresión con errores AR(1). ¿Cuál es el aumento de ventas por cada unidad adicional de publicidad? Este coeficiente es el tercer elemento en la salida de
coefficients(). - Pronostica a partir del modelo ajustado especificando los próximos 6 meses de gasto en publicidad como 10 unidades por mes y guarda el resultado en
fc. Para repetir 10 seis veces, usa la funciónrep()dentro dexregcomo en el código de ejemplo anterior. - Grafica los pronósticos
fcy completa el código proporcionado para añadir una etiqueta del eje x"Month"y del eje y"Sales".
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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(___)