由已估計 AR 模型做簡單預測
你已經用 arima() 指令為資料建好模型，現在可以依此模型做簡單的預測。predict() 函式可用於對已估計的 AR 模型產生預測。在 predict() 產生的物件中，$pred 是預測值，而 $se 是該預測的標準誤。
若要對最後一筆觀測值之後的多個期間做預測，可以在 predict() 指令中使用 n.ahead 參數。這個參數會設定預測視窗（h），也就是要往前預測的期數。預測會從時間序列尾端遞迴地生成，自 1 步到 h 步之前。
在本練習中，你將以套用到 Nile 資料的 AR 模型來做簡單的預測。Nile 記錄 1871 年到 1970 年間尼羅河流量的年度觀測值。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
arima()對Nile時間序列配適 AR 模型，並將結果存為AR_fit。 - 使用
predict()預測 1971 年的尼羅河流量。 - 搭配使用
predict_AR與$pred[1]取得 1 步預測。 - 再呼叫一次
predict()，產生自 1 步到 10 步（1971 至 1980 年）的預測；請將n.ahead參數設為10。 - 執行已寫好的程式碼，將
Nile資料、預測結果與 95% 預測區間繪圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Fit an AR model to Nile
AR_fit <- arima(___, order = ___)
print(AR_fit)
# Use predict() to make a 1-step forecast
predict_AR <- predict(___)
# Obtain the 1-step forecast using $pred[1]
# Use predict to make 1-step through 10-step forecasts
predict(___, n.ahead = ___)
# Run to plot the Nile series plus the forecast and 95% prediction intervals
ts.plot(Nile, xlim = c(1871, 1980))
AR_forecast <- predict(AR_fit, n.ahead = 10)$pred
AR_forecast_se <- predict(AR_fit, n.ahead = 10)$se
points(AR_forecast, type = "l", col = 2)
points(AR_forecast - 2*AR_forecast_se, type = "l", col = 2, lty = 2)
points(AR_forecast + 2*AR_forecast_se, type = "l", col = 2, lty = 2)