ich hoffe ich bin hier richtig.
Mein Datensatz besteht aus einer Zeitreihe (wöchentlich) und dazu gehöriger Messwert.
Nun möchte ich vorhersagen, wie der Wert in der Zukunft aussehen wird.
Bis jetzt habe ich es "manuell" ausgerechnet indem ich die Koeffizienten aus der lm() Funktion ausgelesen hab und in y=Alpha + beta*x eingesetzt.
Nun würde ich gern wissen wie ich es mit predict oder forecast Funktionen hinbekommen kann.
Der gemessene Zeitraum ist von 2016-02-08 bis 2016-06-06 (wöchentliche Abstände)
Code: Alles auswählen
Dates<-c("2016-02-08", "2016-02-15", "2016-02-22", "2016-02-29", "2016-03-07", "2016-03-14", "2016-03-21",
"2016-03-28", "2016-04-04", "2016-04-11", "2016-04-18", "2016-04-25", "2016-05-02", "2016-05-09",
"2016-05-16", "2016-05-23", "2016-05-30", "2016-06-06")
Code: Alles auswählen
Values<-c(55584, 56642, 57973, 60138, 61357, 62543, 64154, 65260, 66161, 67732, 69219, 70948, 73130, 73872, 75189,
76835, 77806, 79487)
Mein Ansatz bislang war:
Code: Alles auswählen
fitted_model<-lm(Values~Dates)
Besten Dank im Voraus!