Aan de slagGa gratis aan de slag

Verkopen voorspellen met advertentiebudget als verklarende variabele

Welkom bij het laatste hoofdstuk van de cursus!

De functie auto.arima() past een dynamisch regressiemodel met ARIMA-fouten. De enige wijziging ten opzichte van hoe je het eerder gebruikte, is dat je nu het argument xreg gebruikt met een matrix van regressievariabelen. Hier zijn enkele codefragmenten uit de video:

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

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

Je ziet dat de data zijn ingesteld op de kolom Consumption van uschange, en de regressievariabele is de kolom Income. Bovendien zou de functie rep() in dit geval de waarde 0.8 precies acht keer herhalen voor het matrixargument xreg.

In deze oefening modelleer je verkoopdata geregressed op advertentie-uitgaven, met een ARMA-fout om eventuele seriële correlatie in de regressieresiduen op te vangen. De data staan in je werkruimte als advert en bevatten 24 maanden aan verkopen en advertentie-uitgaven voor een bedrijf in auto-onderdelen. De plot toont sales versus advertentie-uitgaven.

Denk aan alles wat je tot nu toe in deze cursus hebt geleerd, bekijk de advert-data in je console en lees elke instructie zorgvuldig om deze uitdagende oefening aan te pakken.

Deze oefening maakt deel uit van de cursus

Voorspellen in R

Cursus bekijken

Oefeninstructies

  • Plot de data in advert. De variabelen hebben verschillende schalen, dus gebruik facets = TRUE.
  • Pas een regressie met ARIMA-fouten toe op advert door het eerste argument van auto.arima() in te stellen op de kolom "sales", het tweede argument xreg op de kolom "advert", en het derde argument stationary op TRUE.
  • Controleer dat het passende model een regressie met AR(1)-fouten is. Wat is de toename in sales voor elke eenheid extra advertentie-uitgaven? Deze coëfficiënt is het derde element in de uitvoer van coefficients().
  • Voorspel met het passende model en specificeer de volgende 6 maanden aan advertentie-uitgaven als 10 eenheden per maand als fc. Om 10 zes keer te herhalen, gebruik je de functie rep() binnen xreg, zoals in de voorbeeldcode hierboven.
  • Plot de voorspellingen fc en vul de meegeleverde code aan met een x-label "Month" en y-label "Sales".

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(___)
Code bewerken en uitvoeren