ÎncepețiÎncepe gratuit

Prognozarea vânzărilor ținând cont de cheltuielile de publicitate

Bun venit la ultimul capitol al cursului!

Funcția auto.arima() va ajusta un model de regresie dinamică cu erori ARIMA. Singura modificare față de utilizarea anterioară este că vei folosi acum argumentul xreg, care conține o matrice de variabile de regresie. Iată câteva fragmente de cod din videoclip:

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

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

Poți observa că datele sunt setate la coloana Consumption din uschange, iar variabila de regresie este coloana Income. Mai mult, funcția rep() din acest caz replică valoarea 0.8 exact de opt ori pentru argumentul matricei xreg.

În acest exercițiu, vei modela datele privind vânzările în raport cu cheltuielile de publicitate, folosind o eroare ARMA pentru a ține cont de orice corelație serială în erorile de regresie. Datele sunt disponibile în spațiul tău de lucru sub numele advert și cuprind 24 de luni de vânzări și cheltuieli de publicitate pentru o companie de piese auto. Graficul afișează vânzările față de cheltuielile de publicitate.

Gândește-te la tot ce ai învățat până acum în acest curs, inspectează datele advert în consolă și citește cu atenție fiecare instrucțiune pentru a rezolva acest exercițiu mai dificil.

Acest exercițiu face parte din cursul

Prognoze în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Reprezentați grafic datele din advert. Variabilele sunt pe scale diferite, așa că folosește facets = TRUE.
  • Ajustează o regresie cu erori ARIMA pe advert setând primul argument al funcției auto.arima() la coloana "sales", al doilea argument xreg la coloana "advert" și al treilea argument stationary la TRUE.
  • Verifică dacă modelul ajustat este o regresie cu erori AR(1). Care este creșterea vânzărilor pentru fiecare unitate în plus de publicitate? Acest coeficient este al treilea element din rezultatul funcției coefficients().
  • Generează prognoza din modelul ajustat specificând cheltuielile de publicitate pentru următoarele 6 luni ca 10 unități pe lună, salvând rezultatul ca fc. Pentru a repeta valoarea 10 de șase ori, folosește funcția rep() în interiorul argumentului xreg, ca în exemplul de cod de mai sus.
  • Reprezintă grafic prognozele fc și completează codul furnizat pentru a adăuga eticheta "Month" pe axa x și eticheta "Sales" pe axa y.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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(___)
Editează și rulează codul