광고비를 반영한 매출 예측
과정의 마지막 장에 오신 것을 환영합니다!
auto.arima() 함수는 ARIMA 오차를 가진 동적 회귀 모형을 적합해요. 이전에 사용한 방식에서 달라지는 점은 회귀 변수들의 행렬을 담은 xreg 인수를 이제 사용한다는 점뿐이에요. 아래는 영상에서 보신 코드 일부입니다:
> fit <- auto.arima(uschange[, "Consumption"],
xreg = uschange[, "Income"])
> # rep(x, times)
> fcast <- forecast(fit, xreg = rep(0.8, 8))
데이터는 uschange의 Consumption 열이고, 회귀 변수는 Income 열이에요. 또, 이 예에서 rep() 함수는 행렬 인수 xreg를 위해 값 0.8을 정확히 8번 반복해요.
이번 연습에서는 회귀 오차의 자기상관을 반영하기 위해 ARMA 오차를 사용하면서, 광고비를 설명변수로 두고 매출을 종속변수로 회귀하는 모형을 적합해 볼 거예요. 작업 공간에는 자동차 부품 회사의 24개월치 매출과 광고비 데이터 advert가 준비되어 있어요. 그래프에는 광고비 대비 매출이 표시되어 있습니다.
지금까지 배운 내용을 떠올리며 콘솔에서 advert 데이터를 살펴보고, 도전적인 이 연습 문제를 차근차근 풀 수 있도록 각 지침을 주의 깊게 읽어 주세요.
이 연습은 강의의 일부입니다
R로 배우는 시계열 예측
연습 안내
advert데이터를 그려 보세요. 변수의 스케일이 다르므로facets = TRUE를 사용하세요.auto.arima()의 첫 번째 인수는"sales"열, 두 번째 인수xreg는"advert"열, 세 번째 인수stationary는TRUE로 설정해advert에 ARIMA 오차가 있는 회귀를 적합하세요.- 적합된 모형이 AR(1) 오차를 가진 회귀인지 확인하세요. 광고가 한 단위 증가할 때 매출이 얼마나 증가하나요? 이 계수는
coefficients()결과의 세 번째 원소예요. - 적합된 모형에서 다음 6개월의 광고비를 월 10 단위로 지정하여 예측을
fc로 저장하세요. 위 예시 코드처럼xreg안에서rep()함수를 사용해 10을 여섯 번 반복하세요. - 예측치
fc를 그린 뒤, 제공된 코드에 x축 레이블"Month", y축 레이블"Sales"를 추가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___)