R语言:predict.arima()函数中文帮助文档(中英文对照)

loveR

predict.arima(stats)
predict.arima()所属R语言包：stats

                                        Forecast from ARIMA fits
                                         预测ARIMA模型适合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Forecast from models fitted by arima.
预测从arima装的车型。


用法----------Usage----------


## S3 method for class 'Arima'
predict(object, n.ahead = 1, newxreg = NULL,
        se.fit = TRUE, ...)



参数----------Arguments----------

参数：object
The result of an arima fit.
arima合适的结果。


参数：n.ahead
The number of steps ahead for which prediction is required.
的步数，提前预测需要。


参数：newxreg
New values of xreg to be used for prediction. Must have at least n.ahead rows.
xreg新值用于预测。必须有至少n.ahead行。


参数：se.fit
Logical: should standard errors of prediction be returned?
逻辑：应退还预测标准误差？


参数：...
arguments passed to or from other methods.
参数传递或其他方法。


Details

详情----------Details----------

Finite-history prediction is used, via KalmanForecast. This is only statistically efficient if the MA part of the fit is invertible, so predict.Arima will give a warning for non-invertible MA models.
用有限的历史预测，通过KalmanForecast。这是只统计有效的，如果合适的马是可逆的，所以predict.Arima会给一个不可逆的马模型的警告。

The standard errors of prediction exclude the uncertainty in the estimation of the ARMA model and the regression coefficients. According to Harvey (1993, pp. 58–9) the effect is small.
预测标准误差排除在ARMA模型的估计和回归系数的不确定性。据哈维（1993年，第58-9页）的影响很小。


值----------Value----------

A time series of predictions, or if se.fit = TRUE, a list with components pred, the predictions, and se, the estimated standard errors.  Both components are time series.
组件列表一个时间序列的预测，如果se.fit = TRUE，pred，预测，和se，估计标准误差。这两个组件是时间序列。


参考文献----------References----------

State Space Methods.  Oxford University Press.
An algorithm for finite sample prediction from ARIMA processes. Applied Statistics 31, 180–187.
2nd Edition, Harvester Wheatsheaf, sections 3.3 and 4.4.

参见----------See Also----------

arima
arima


举例----------Examples----------


od <- options(digits=5) # avoid too much spurious accuracy[避免过多的杂散精度]
predict(arima(lh, order = c(3,0,0)), n.ahead = 12)

(fit <- arima(USAccDeaths, order = c(0,1,1),
              seasonal = list(order=c(0,1,1))))
predict(fit, n.ahead = 6)
options(od)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。