내 목표는 드리프트 예측 기능을 사용하여 임의의 도보에서 드리프트 계수를 나열하는 것입니다 (아래). 구체적으로, 첫 해의 드리프트 모델로 무작위 도보부터 시작하여 드리프트 계수를 수집하고, 마지막으로 누적 적으로 누적 적으로 계수를 기록하려고합니다. 매번 계수를 반복적으로 또는 각각의 추가 연도를 의미하여 기록합니다 (목록에 기록하십시오. 적당한). 분명히하기 위해 각각의 새로운 무작위 도보 예측은 모든 이전 연도를 포함합니다.R의 드리프트 기능을 가진 랜덤 워크에서 드리프트 계수를 반복 계산하여 목록으로 컴파일
데이터는 241 개 소비 수준의 목록입니다, 나는 드리프트 계수가 반복적 = 1 n으로 = 241
N에서 진행의 과정을 통해 변경 얼마나 분별을 시도하고 경우 예를 들어 임의의 산책 Z [t]는 정상적인 오차이고 c는 내가 찾고있는 계수이다. 이에 나의 현재 시도 루프 기능에 대한 참여 및
이를 추출 R.
에서 "예측"패키지에서 RWF() 함수에서 C 계수를 추출, 나는 그런rwf(x, h = 1, drift = TRUE)$model[[1]]
드리프트 계수를 추출합니다. 문제는 rwf 호출 내에서 데이터를 서브 세트하려고 시도한 나의 시도가 실패한 것이며, rwf()가 예를 들어 서브 모델 인수를 지원한다는 것을 시행 착오와 연구를 통해 믿지 않는다는 것입니다. 이 의미에서 함수 반복에 대한 시도도 실패했습니다.
이러한 코드의 예는 나에게 어떤 도움이 많이 주시면 감사하겠습니다
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :
0 (non-NA) cases
In addition: Warning message:
In is.na(rows) : is.na() applied to non-(list or vector) of type 'NULL'
다음과 같은 오류를 제공하는
for (i in 1:5){print((rwf(x[1:i], h = 1, drift = TRUE))$model[[1]])}
입니다. 나는 도움을 얻기 위해 많은 것을 읽었지 만 이것이 질문을하는 것은 이번이 처음입니다.
PCE
1 1306.7
2 1309.6
3 1335.3
4 1341.8
5 1389.2
6 1405.7
7 1414.2
8 1411.0
9 1401.6
10 1406.7
11 1425.0
12 1444.4
13 1474.7
14 1507.8
15 1536.6
16 1555.6
17 1575.2
18 1577.8
19 1583.0
20 1586.6
21 1608.4
22 1619.5
23 1622.4
24 1635.3
25 1636.1
26 1613.9
27 1627.1
28 1653.8
29 1675.6
30 1706.7
31 1732.9
32 1751.0
33 1752.9
34 1769.7
35 1792.1
36 1785.0
37 1787.4
38 1786.9
39 1813.4
40 1822.2
41 1858.7
42 1878.5
43 1901.6
44 1917.0
45 1944.2
46 1957.3
47 1976.0
48 2002.9
49 2019.6
50 2059.5
51 2095.8
52 2134.3
53 2140.2
54 2187.8
55 2212.0
56 2250.0
57 2313.2
58 2347.4
59 2353.5
60 2380.4
61 2390.3
62 2404.2
63 2437.0
64 2449.5
65 2464.6
66 2523.4
67 2562.1
68 2610.3
69 2622.3
70 2651.7
71 2668.6
72 2681.5
73 2702.9
74 2719.5
75 2731.9
76 2755.9
77 2748.4
78 2800.9
79 2826.6
80 2849.1
81 2896.5
82 2935.2
83 2991.2
84 3037.4
85 3108.6
86 3165.5
87 3163.9
88 3175.3
89 3166.0
90 3138.3
91 3149.2
92 3162.2
93 3115.8
94 3142.0
95 3194.4
96 3239.9
97 3274.2
98 3339.6
99 3370.3
100 3405.9
101 3450.3
102 3489.7
103 3509.0
104 3542.5
105 3595.9
106 3616.9
107 3694.2
108 3709.7
109 3739.6
110 3758.5
111 3756.3
112 3793.2
113 3803.3
114 3796.7
115 3710.5
116 3750.3
117 3800.3
118 3821.1
119 3821.1
120 3836.6
121 3807.6
122 3832.2
123 3845.9
124 3875.4
125 3946.1
126 3984.8
127 4063.9
128 4135.7
129 4201.3
130 4237.3
131 4297.9
132 4331.1
133 4388.1
134 4462.5
135 4503.2
136 4588.7
137 4598.8
138 4637.2
139 4686.6
140 4768.5
141 4797.2
142 4789.9
143 4854.0
144 4908.2
145 4920.0
146 5002.2
147 5038.5
148 5078.3
149 5138.1
150 5156.9
151 5180.0
152 5233.7
153 5259.3
154 5300.9
155 5318.4
156 5338.6
157 5297.0
158 5282.0
159 5322.2
160 5342.6
161 5340.2
162 5432.0
163 5464.2
164 5524.6
165 5592.0
166 5614.7
167 5668.6
168 5730.1
169 5781.1
170 5845.5
171 5888.8
172 5936.0
173 5994.6
174 6001.6
175 6050.8
176 6104.9
177 6147.8
178 6204.0
179 6274.2
180 6311.8
181 6363.2
182 6427.3
183 6453.3
184 6563.0
185 6638.1
186 6704.1
187 6819.5
188 6909.9
189 7015.9
190 7085.1
191 7196.6
192 7283.1
193 7385.8
194 7497.8
195 7568.3
196 7642.4
197 7710.0
198 7740.8
199 7770.0
200 7804.2
201 7926.4
202 7953.7
203 7994.1
204 8048.3
205 8076.9
206 8117.7
207 8198.1
208 8308.5
209 8353.7
210 8427.6
211 8465.1
212 8539.1
213 8631.3
214 8700.1
215 8786.2
216 8852.9
217 8874.9
218 8965.8
219 9019.8
220 9073.9
221 9158.3
222 9209.2
223 9244.5
224 9285.2
225 9312.6
226 9289.1
227 9285.8
228 9196.0
229 9076.0
230 9040.9
231 8998.5
232 9050.3
233 9060.2
234 9121.2
235 9186.9
236 9247.1
237 9328.4
238 9376.7
239 9392.7
240 9433.5
241 9482.1
FYI it 'forecast'는 소문자 f로 – Chase