ComeçarComece de graça

Prevendo vendas considerando gastos com publicidade

Bem-vindo ao último capítulo do curso!

A função auto.arima() ajusta um modelo de regressão dinâmica com erros ARIMA. A única mudança em relação ao uso anterior é que agora você usará o argumento xreg, contendo uma matriz de variáveis de regressão. Aqui estão alguns trechos de código do vídeo:

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

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

Você pode ver que os dados estão definidos para a coluna Consumption de uschange, e a variável de regressão é a coluna Income. Além disso, a função rep() nesse caso replicaria o valor 0.8 exatamente oito vezes para o argumento de matriz xreg.

Neste exercício, você vai modelar dados de vendas regredidos contra gastos com publicidade, com um erro ARMA para considerar qualquer correlação serial nos erros da regressão. Os dados estão disponíveis no seu ambiente como advert e compreendem 24 meses de vendas e gastos com publicidade de uma empresa de autopeças. O gráfico mostra vendas vs. gastos com publicidade.

Relembre tudo o que você aprendeu até aqui no curso, inspecione os dados advert no seu console e leia cada instrução com atenção para encarar este exercício desafiador.

Este exercício faz parte do curso

Previsão em R

Ver curso

Instruções do exercício

  • Faça o gráfico dos dados em advert. As variáveis estão em escalas diferentes, então use facets = TRUE.
  • Ajuste uma regressão com erros ARIMA para advert definindo o primeiro argumento de auto.arima() como a coluna "sales", o segundo argumento xreg como a coluna "advert", e o terceiro argumento stationary como TRUE.
  • Verifique se o modelo ajustado é uma regressão com erros AR(1). Qual é o aumento nas vendas para cada unidade adicional de publicidade? Esse coeficiente é o terceiro elemento na saída de coefficients().
  • Faça previsões a partir do modelo ajustado especificando os próximos 6 meses de gastos com publicidade como 10 unidades por mês como fc. Para repetir 10 seis vezes, use a função rep() dentro de xreg, como no exemplo acima.
  • Plote as previsões fc e preencha o código fornecido para adicionar um rótulo no eixo x "Month" e um rótulo no eixo y "Sales".

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(___)
Editar e executar o código