BaşlayınÜcretsiz başlayın

Reklam harcamasını dikkate alarak satış tahmini

Kursun son bölümüne hoş geldin!

auto.arima() fonksiyonu, ARIMA hatalara sahip dinamik bir regresyon modeli kurar. Daha önceki kullanımından tek fark, şimdi regresyon değişkenlerinden oluşan bir matrisi içeren xreg argümanını kullanacak olman. Videodan bazı kod parçacıkları şöyle:

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

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

Burada verinin uschange içindeki Consumption sütununa ayarlandığını ve regresyon değişkeninin Income sütunu olduğunu görebilirsin. Ayrıca, bu örnekte rep() fonksiyonu xreg matris argümanı için 0.8 değerini tam sekiz kez tekrarlar.

Bu egzersizde, regresyon hatalarındaki olası seri korelasyonu hesaba katmak için bir ARMA hata terimiyle, reklam harcamasına karşılık satış verilerini modelleyeceksin. Veriler çalışma alanında advert olarak mevcut ve bir otomotiv yedek parça şirketine ait 24 aylık satış ve reklam harcaması içeriyor. Grafik, satışları reklam harcamasına göre gösteriyor.

Bu kursta şimdiye kadar öğrendiklerini gözden geçir, konsolda advert verisini incele ve bu zorlu egzersizi çözmek için her talimatı dikkatle oku.

Bu egzersiz, kursun bir parçasıdır

R ile Tahminleme

Kursa Göz Atın

Egzersiz talimatları

  • advert içindeki verileri görselleştir. Değişkenler farklı ölçeklerde olduğundan facets = TRUE kullan.
  • auto.arima() fonksiyonunun ilk argümanını "sales" sütunu, ikinci argüman xreg'i "advert" sütunu ve üçüncü argüman stationary'i TRUE olacak şekilde ayarlayarak advert için ARIMA hatalı bir regresyon modeli kur.
  • Kurulan modelin AR(1) hatalara sahip bir regresyon olduğunu kontrol et. Reklamda her bir birim artış için satışlardaki artış nedir? Bu katsayı, coefficients() çıktısındaki üçüncü elemandır.
  • Kurulan modelden, sonraki 6 ayın reklam harcamasını ayda 10 birim olarak belirleyip kestirim yap ve sonucu fc olarak kaydet. 10'u altı kez tekrar etmek için yukarıdaki örnekte olduğu gibi xreg içinde rep() fonksiyonunu kullan.
  • fc kestirimlerini görselleştir ve verilen kodu tamamlayarak x etiketini "Month", y etiketini "Sales" olarak ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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(___)
Kodu Düzenle ve Çalıştır