MulaiMulai sekarang secara gratis

Meramalkan penjualan dengan mempertimbangkan pengeluaran iklan

Selamat datang di bab terakhir kursus!

Fungsi auto.arima() akan memasangkan model regresi dinamis dengan galat ARIMA. Satu-satunya perubahan dari cara Anda menggunakannya sebelumnya adalah kini Anda akan menggunakan argumen xreg yang berisi matriks variabel regresi. Berikut beberapa potongan kode dari video:

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

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

Anda dapat melihat bahwa data ditetapkan ke kolom Consumption dari uschange, dan variabel regresinya adalah kolom Income. Selain itu, fungsi rep() pada kasus ini menggandakan nilai 0.8 tepat delapan kali untuk argumen matriks xreg.

Dalam latihan ini, Anda akan memodelkan data penjualan yang diregresikan terhadap pengeluaran iklan, dengan galat ARMA untuk mengakomodasi korelasi serial pada galat regresi. Datanya tersedia di ruang kerja Anda sebagai advert dan mencakup 24 bulan data penjualan dan pengeluaran iklan untuk sebuah perusahaan suku cadang otomotif. Plot menunjukkan penjualan vs pengeluaran iklan.

Pikirkan kembali semua yang telah Anda pelajari sejauh ini dalam kursus ini, periksa data advert di konsol Anda, dan baca setiap instruksi dengan saksama untuk menyelesaikan latihan yang menantang ini.

Latihan ini adalah bagian dari kursus

Peramalan di R

Lihat Kursus

Petunjuk latihan

  • Plot data di advert. Variabel berada pada skala yang berbeda, jadi gunakan facets = TRUE.
  • Pasangkan regresi dengan galat ARIMA ke advert dengan menetapkan argumen pertama auto.arima() ke kolom "sales", argumen kedua xreg ke kolom "advert", dan argumen ketiga stationary ke TRUE.
  • Periksa bahwa model terpasang adalah regresi dengan galat AR(1). Berapa kenaikan penjualan untuk setiap kenaikan satu unit iklan? Koefisien ini adalah elemen ketiga pada keluaran coefficients().
  • Lakukan peramalan dari model terpasang dengan menentukan 6 bulan berikutnya pengeluaran iklan sebesar 10 unit per bulan sebagai fc. Untuk mengulang angka 10 enam kali, gunakan fungsi rep() di dalam xreg seperti pada contoh kode di atas.
  • Plot hasil ramalan fc dan lengkapi kode yang disediakan untuk menambahkan label sumbu x "Month" dan label sumbu y "Sales".

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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(___)
Edit dan Jalankan Kode