Prevedere le vendite tenendo conto della spesa pubblicitaria
Benvenuto/a all’ultimo capitolo del corso!
La funzione auto.arima() stimerà un modello di regressione dinamica con errori ARIMA. L’unico cambiamento rispetto a come l’hai usata finora è che ora userai l’argomento xreg contenente una matrice di variabili di regressione. Ecco alcuni frammenti di codice tratti dal video:
> fit <- auto.arima(uschange[, "Consumption"],
xreg = uschange[, "Income"])
> # rep(x, times)
> fcast <- forecast(fit, xreg = rep(0.8, 8))
Puoi vedere che i dati sono impostati sulla colonna Consumption di uschange, e la variabile di regressione è la colonna Income. Inoltre, in questo caso la funzione rep() replicherebbe il valore 0.8 esattamente otto volte per l’argomento matrice xreg.
In questo esercizio, modellerai i dati di vendita in funzione della spesa pubblicitaria, con un errore ARMA per tenere conto di eventuale autocorrelazione negli errori di regressione. I dati sono disponibili nel tuo workspace come advert e comprendono 24 mesi di vendite e spesa pubblicitaria per un’azienda di ricambi auto. Il grafico mostra vendite vs spesa pubblicitaria.
Rifletti su tutto quello che hai imparato finora nel corso, ispeziona i dati advert nella tua console e leggi con attenzione ogni istruzione per affrontare questo esercizio impegnativo.
Questo esercizio fa parte del corso
Previsioni in R
Istruzioni dell'esercizio
- Traccia un grafico dei dati in
advert. Le variabili sono su scale diverse, quindi usafacets = TRUE. - Stima una regressione con errori ARIMA su
advertimpostando il primo argomento diauto.arima()alla colonna"sales", il secondo argomentoxregalla colonna"advert"e il terzo argomentostationaryaTRUE. - Verifica che il modello stimato sia una regressione con errori AR(1). Di quanto aumentano le vendite per ogni unità in più di pubblicità? Questo coefficiente è il terzo elemento nell’output di
coefficients(). - Prevedi dal modello stimato specificando come
fci prossimi 6 mesi di spesa pubblicitaria pari a 10 unità al mese. Per ripetere 10 sei volte, usa la funzionerep()dentroxregcome nell’esempio sopra. - Traccia i forecast
fce completa il codice fornito per aggiungere un’etichetta sull’asse x"Month"e sull’asse y"Sales".
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(___)