0
我正在開發一個向量自迴歸模型（VAR）時間序列模型在R模型規範包括所謂的內生變量的矩陣（xts類）「endog，」和外生變量的矩陣（也xts類）被稱爲「exog 「。該數據是季節性的，我想季節性預測，所以我還指定「季= 12」，因爲數據是每月。所以我的R代碼執行var模型是：[R VAR預測既需要外生變量列表和虛擬變量列表，如果我的規範不包括虛擬變量？
fit <- var(endog, p = 1, season = 12, type = 'const', exogen = exog)
此代碼運行平穩。但現在我想預測未來24個時期的數據。所以我預測的代碼是：
predictions <- predict(fit, exo.fcst = exog_future, n.ahead = 24, ci = 0.95)
其中「exog_future」是一個矩陣相同的變量exog（也xts類），但包括24周未來期間進行預測。 （我試過兩個版本：一個與歷史數據exog加上下一個24期的新的數據，而其他版本只包括了24期）
我收到以下錯誤信息：
誤差在predict.varest（VAR（endog，p = 1，季節= 12，類型= 「常量」，： 否矩陣供給dumvar，但對象varest包含外生變量
顯然，R期望一個除了外生變量之外，虛擬變量矩陣除非R將「季節= 12」規範視爲ma虛擬變量的trix，模型規範中不包含虛擬變量，爲什麼它現在預期虛擬變量？如果它確實將季節性規範視爲虛擬變量，那麼我會在預測代碼中添加「季節= 12」。我收到了同樣的錯誤信息。
我明白，如果模型包括外生變量，那麼我必須在預測的代碼提供未來值這些。我也明白，如果我提供虛擬變量，那麼基於同樣的原因，這個預測也需要這些虛擬變量的未來值。它們是外生變量，只是二元變量。
因此，當模型規範不包含虛擬變量時，R期望我爲「dumvar？」提供什麼？
我可能已經想通了，但解決的辦法是不合邏輯的。也許有人可以驗證解決方案是否正確。 – Joe
我可能已經想通了，但解決的辦法是不合邏輯的。也許有人可以驗證解決方案是否正確。當我將未來外生變量的矩陣提交爲_dumbvar = matrix_of_future_exogenous_variables_時，錯誤消失。提交這些變量是合乎邏輯的，因爲預測需要它們的值來計算內生變量的預測值。將它們稱爲_dumbvar_是沒有意義的，因爲它們不是二元的。它們是連續變量，例如_unemployment_rate_。請注意，矩陣是xts格式，因爲這是時間序列。 – Joe
對不起，重複。我試圖立即編輯，但系統不會允許這樣做，因爲我花了超過5分鐘來完成編輯。也許這個限制可以在鼓勵周到解決方案的網站上刪除。 – Joe