关于如何预测未来时间序列数据的建议

Question

数据： 我有不同国家和因素的时间序列数据，例如：出生率为＆＃34;阿富汗＆＃34;多年来从1972年到2007年（source）。

目标： 预测，例如2008年和2012年的出生率

问题： 我熟悉线性回归，但需要一些有关如何处理时间序列数据和预测未来值的帮助。

您能指点示例或分享代码段吗？

Answer 1

查看statsmodels Time Series Analysis模块。时间序列模型通常基于自相关，模块具有标准单变量（对于单个时间序列）AR(p)和MA(p)模型，以及允许ARIMA的组合版本unit roots {1}}。您还可以找到多变量（针对各种相关的时间序列）VAR模型。

这里有一个time series tutorial，可以使用pandas和statsmodels进行统计分析和预测。

Answer 2

您可以在R中使用ARIMA模型和VAR模型。

ARIMA：自动回归整合移动平均线模型

VAR：向量自动回归模型

适用于ARIMA型号：click here

适用于VAR型号：click here

对于一个时间序列数据，请使用ARIMA模型，但是，如果多个时间序列数据彼此相关，请使用VAR模型。