Hallo Bernhard,
ich sende die Datei im Anhang mit und hier nochmal genauer der ganze Code:
Code: Alles auswählen
dk <- read.csv(file.choose(), sep = ";")
s <- ts(dk$y, start = c(1990,2), end = c(2017,6), frequency = 12) #y time series (monatliche Daten)
g <- ts(dk$r, start = c(1990,2), end = c(2020,5), frequency = 12) #Regressor data als time series
mX <- window(g, start=c(1990,2), end=c(2017, 6))
m_ar <- Arima(window(s, end=c(2017,6)), order=c(2, 0, 0), xreg=mX, method="CSS") #Modell
m_ar
fc_ar<- forecast(m_ar, h=1, xreg=window(g, start=c(2017,7), end=c(2017,7))) #Prognose für 2017,7
fc_ar
Ich möchte für eine Prognose zunächst das oben beschriebene Modell aufstellen und dann eine Prognose anhand des Arima-Modells für Juli 2017 machen. Den Wert würde ich dann in die Datei in der Spalte y einfügen, das Modell mit diesem Wert erneut schätzen und dann die Prognose für August 2017 machen usw.
Wenn sich aber das Modell zusammen mit den neuen prognostizierten Werten nicht ändert, scheint das wenig Sinn zu ergeben und die Prognose sieht sehr ungenau aus. Leider weiß ich aber nicht woran das liegen könnte.
Ich hoffe, es ist einigermaßen verständlich.