时间序列分析预测结果始终保持不变

Question

我正在尝试使用R进行时间序列分析。我有一个类似于这样的时间序列数据集：

    Month       Year    Value 
    December    2013    5300
    January     2014    289329.8
    February    2014    596518
    March       2014    328457
    April       2014    459600
    May         2014    391356
    June        2014    406288
    July        2014    644339
    August      2014    251238
    September   2014    386466.5
    October     2014    459792
    November    2014    641724
    December    2014    399831
    January     2015    210759
    February    2015    121690
    March       2015    280070
    April       2015    41336

通过搜索，我发现可以使用auto.arima函数来预测结果。 我成功编写了R代码，使用auto.arima函数进行预测。

    data <- c(5300,289329.8,596518,328457,459600,391356,406288,644339,251238,386466.5,459792,641724,399831,210759,121690,280070,41336)
    data.ts <- ts(data, start=c(2013, 12), end=c(2015, 4), frequency=12) 
    plot(data.ts)
    fit <- auto.arima(data.ts)
    forec <- forecast(fit)
    plot(forec)

问题是我的预测结果始终保持不变。

请问有人能告诉我出了什么问题吗？或者帮我纠正一下我的预测结果。谢谢

- shakthydoss

---

你可能需要在调用“forecast”时使用“xreg”。 - Tim Biegeleisen

ARIMA（0，0，0）是恒定的。 - Khashaa

@TimBiegeleisen xreg 的值将是什么？ - user3710546

Answer 1

没有问题。这只是您的自动化预测：一个仅包含截距（平均值）的模型。

您只有17个观测值，并且由于（可能）低信噪比，很难提取任何可能的趋势、持续性、滞后误差等信息。此外，当您只有如此短的观测序列时，无法捕捉与更高周期相关的季节性（例如年度季节性）。

- J.R.