2013 年 2 月 18 日から 2017 年 2 月 12 日までの毎日の売上データがあり、欠落しているデータは 4 日だけです (毎年 25 日のすべてのクリスマス)。これらの休日の販売量はゼロです。私の目的は、次の 5 ～ 7 日分のデータの売上を短期的に予測することで、次の 1 週間に店舗に人員を配置する方法を理解することです。
このデータを時系列として設定することから始めます。
ts <- ts(mydata, frequency = 365)
次に、分解による初期分析:
これは私の売上が減少傾向にあることを示しているように見えますが、間違っていなければ季節性もあります。そこで、予測の実装を開始するために、次のようにして、最初の 2 年間のデータに対応するアリマ モデルを当てはめます。
fit <- auto.arima(ts[1:730], stepwise = FALSE, approximation = FALSE)
Series: ts[1:730]
ARIMA(4,1,1)
Coefficients:
ar1 ar2 ar3 ar4 ma1
0.3638 -0.2290 -0.1451 -0.2075 -0.8958
s.e. 0.0413 0.0388 0.0388 0.0398 0.0241
sigma^2 estimated as 15424930: log likelihood=-7068.67
AIC=14149.33 AICc=14149.45 BIC=14176.88
このモデルには季節性が含まれていないため、私には適切ではないように思えます。私は十分なデータがあることを知っています。Rob Hyndman のブログは、etsこれも季節性を示さなかったものを試してみると述べています。このデータ シリーズまたは予測方法について理解できないことは何ですか?