有关如何预测未来时间序列数据的建议

Question

我有不同国家和因素的时间序列数据，例如从 1972 年到 2007 年“阿富汗”的出生率（来源）。

目标： 预测例如2008年和2012年的出生率

我熟悉线性回归，但需要一些有关如何处理时间序列数据和预测未来值的帮助。

您能给我提供示例或分享代码片段吗？

Answer 1

查看

statsmodels

时间序列分析 模块。时间序列模型通常基于自相关，并且该模块具有标准单变量（针对单个时间序列）

AR(p)

和

MA(p)

模型，以及允许

ARIMA

的组合版本

unit roots

。您还可以找到多元（针对各种相互关联的时间序列）

VAR

模型。

这里有一个

time series

教程，用于使用

pandas

和

statsmodels

进行统计分析和预测。

Answer 2

您可以在 R 中使用

ARIMA

模型和

VAR

模型。

ARIMA

：自回归综合移动平均模型

VAR

：向量自回归模型

对于

ARIMA

型号：点击这里

对于

VAR

型号：点击这里

对于一个时间序列数据，使用

ARIMA

模型，但是，如果多个时间序列数据彼此相关，则使用

VAR

模型。