1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Dự báo bằng R
Connected

Bài tập

Dự báo doanh số có xét đến chi phí quảng cáo

Chào mừng bạn đến với chương cuối của khóa học!

Hàm auto.arima() sẽ khớp một mô hình hồi quy động với sai số ARIMA. Điểm khác so với cách bạn dùng trước đây là giờ bạn sẽ dùng đối số xreg chứa một ma trận các biến hồi quy. Dưới đây là vài đoạn mã từ video:

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

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

Bạn có thể thấy dữ liệu được đặt là cột Consumption của uschange, và biến hồi quy là cột Income. Thêm nữa, trong ví dụ này hàm rep() sẽ lặp lại giá trị 0.8 đúng tám lần cho đối số ma trận xreg.

Trong bài tập này, bạn sẽ mô hình hóa dữ liệu doanh số theo chi tiêu quảng cáo, với sai số ARMA để xử lý tự tương quan trong phần dư hồi quy. Dữ liệu có sẵn trong workspace của bạn dưới tên advert, gồm 24 tháng doanh số và chi tiêu quảng cáo của một công ty phụ tùng ô tô. Biểu đồ cho thấy doanh số so với chi tiêu quảng cáo.

Hãy tổng hợp những gì bạn đã học trong khóa học, kiểm tra dữ liệu advert trong console, và đọc kỹ từng hướng dẫn để chinh phục bài tập thử thách này.

Hướng dẫn

100 XP
  • Vẽ biểu đồ dữ liệu trong advert. Các biến có thang đo khác nhau, nên hãy dùng facets = TRUE.
  • Khớp mô hình hồi quy với sai số ARIMA cho advert bằng cách đặt đối số thứ nhất của auto.arima() là cột "sales", đối số thứ hai xreg là cột "advert", và đối số thứ ba stationary là TRUE.
  • Kiểm tra rằng mô hình khớp được là hồi quy với sai số AR(1). Mức tăng doanh số cho mỗi đơn vị tăng chi tiêu quảng cáo là bao nhiêu? Hệ số này là phần tử thứ ba trong kết quả coefficients().
  • Dự báo từ mô hình đã khớp, chỉ định chi tiêu quảng cáo 6 tháng tới là 10 đơn vị mỗi tháng, lưu vào fc. Để lặp lại số 10 sáu lần, hãy dùng hàm rep() trong xreg như ví dụ ở trên.
  • Vẽ các dự báo fc và điền vào mã cho sẵn để thêm nhãn trục x "Month" và nhãn trục y "Sales".