У меня есть многомерная модель линейной регрессии:
model <- lm(y ~ a + b + c, data = df)
Допустим, исторический период для y , a , b , c - это квартальные данные за 2000-2017 гг.
Date y a b c
2000Q1 2 1.5 1.3 8.1
2000Q2 2.3 1.8 1.2 7.6
. . . . .
. . . . .
. . . . .
. . . . .
2017Q4 8.7 3.5 5.6 3.2
Теперь, когда у меня есть линейная модель, я хочу прогнозировать y , используя новые данные для a , b и c с периодом 2017-2020 гг., Давайте называть их a2 , b2 и с2 .
Date a2 b2 c2
2017Q4 3.5 5.6 3.2
2018Q1 4.1 6.3 3.0
. . . .
. . . .
. . . .
2020Q4 5.6 7.8 2.2
Как использовать линейную модель из моего предыдущего набора исторических / фактических данных ( a , b и c ) и прогноз y относительно новых значений x ( a2 , b2 и c2 )?
Я пытался использовать функции предиката () и предиката.lm (), однако ничто не дает мне результатов, которые я ищу.Я могу вручную ввести линейную модель и создать эти прогнозы, но я уверен, что есть более эффективный способ сделать это.
Обновление
Вот небольшой пример того, что я делаю:
df <- data.frame(y = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10),
a = c(2, 2.3, 2.6, 2.9, 2.4, 2.6, 3.0, 3.2, 3.9, 3.7),
b = c(9, 8.7, 9.1, 7.8, 8.2, 8, 6.9, 7.8, 9.1, 5.7))
attach(df)
model <- lm(y ~ a + b)
df2 <- data.frame(a2 = c(3.7, 4.0, 5.2, 5.6, 5.8, 6),
b2 = c(5.7, 5.5, 5.3, 5.1, 4.9, 4.7))
predict(model, newdata = df2)
И я продолжаю получать результаты обычной модели с предупреждением:
1 2 3 4 5 6 7 8
9 10
1.409122 2.807886 3.690647 5.826560 3.569001 4.501510 6.882534
7.004180 8.793667 10.514892
Warning message:
'newdata' had 6 rows but variables found have 10 rows