时间序列分析中，如何将原有序列图与预测序列图合并为一张图？

慕目穆木

3561

收藏 2017-10-14

library(tsDyn)
x<-log10(lynx)
b<-linear(x,m=2)
d<-predict(b,n.ahead=10)
plot(x)
plot(d)输出的图形如下，但是我希望能输出把他们合在一起的图，如图3的形式

、
这张图是我用forecast()做出来的，但是他好像不能用于linear函数的预测，请问大家要怎么做才行呢？谢谢

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

慕目穆木

2017-10-14 16:04:23

好吧我刚刚试了下用
d<-arima(x,order=c(2,0,0))
plot(forecast(d,h=10))
画出了我想要的图

但是有些函数是不支持这种画图方法的，比如这个linear()，那有没有什么一般的方法可以把原序列和预测序列的图合起来呢？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

bwpnew

2017-10-14 16:20:43

导出生成的两个序列，在excel 中并列即可

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

慕目穆木

2017-10-15 10:08:37

bwpnew 发表于 2017-10-14 16:20
导出生成的两个序列，在excel 中并列即可

合并到是可以，但是如果想像上图一样生成颜色不一样的线并且还有置信区间的话这种方法就不可行了额

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

慕目穆木

2017-10-15 10:19:58

哇我刚刚找到了一个很笨的方法，但是用起来是可以的
library(tsDyn)
x<-log10(lynx)
b<-linear(x,m=2)
d<-predict(b,n.ahead=10)
e<-cbind(x,d) #把x和d按行合并

Time Series:
Start = 1821
End = 1944
Frequency = 1
         x       d
1821 2.429752    NA
1822 2.506505    NA
1823 2.767156    NA
1824 2.940018    NA
1825 3.168792    NA
1826 3.450403    NA
1827 3.594171    NA
1828 3.774006    NA
1829 3.694605    NA
1830 3.411114    NA
1831 2.718502    NA
1832 1.991226    NA
1833 2.264818    NA
1834 2.445604    NA
1835 2.611723    NA
1836 3.358886    NA
1837 3.428944    NA
1838 3.532627    NA
1839 3.261025    NA
1840 2.611723    NA
1841 2.178977    NA
1842 1.653213    NA
1843 1.832509    NA
1844 2.328380    NA
1845 2.737193    NA
1846 3.014100    NA
1847 3.328176    NA
1848 3.404149    NA
1849 2.980912    NA
1850 2.557507    NA
1851 2.576341    NA
1852 2.352183    NA
1853 2.556303    NA
1854 2.863917    NA
1855 3.214314    NA
1856 3.435367    NA
1857 3.458033    NA
1858 3.326131    NA
1859 2.835056    NA
1860 2.475671    NA
1861 2.372912    NA
1862 2.389166    NA
1863 2.741939    NA
1864 3.210319    NA
1865 3.519959    NA
1866 3.827434    NA
1867 3.628797    NA
1868 2.836957    NA
1869 2.406540    NA
1870 2.674861    NA
1871 2.553883    NA
1872 2.894316    NA
1873 3.202488    NA
1874 3.224274    NA
1875 3.352375    NA
1876 3.154120    NA
1877 2.878522    NA
1878 2.475671    NA
1879 2.303196    NA
1880 2.359835    NA
1881 2.671173    NA
1882 2.866878    NA
1883 3.310056    NA
1884 3.448861    NA
1885 3.646502    NA
1886 3.399847    NA
1887 2.589950    NA
1888 1.863323    NA
1889 1.591065    NA
1890 1.690196    NA
1891 1.770852    NA
1892 2.274158    NA
1893 2.576341    NA
1894 3.111263    NA
1895 3.605413    NA
1896 3.543447    NA
1897 2.768638    NA
1898 2.021189    NA
1899 2.184691    NA
1900 2.587711    NA
1901 2.879669    NA
1902 3.116276    NA
1903 3.539703    NA
1904 3.844539    NA
1905 3.800236    NA
1906 3.579097    NA
1907 3.263873    NA
1908 2.537819    NA
1909 2.582063    NA
1910 2.907411    NA
1911 3.142389    NA
1912 3.433450    NA
1913 3.579784    NA
1914 3.490099    NA
1915 3.474944    NA
1916 3.578639    NA
1917 2.828660    NA
1918 1.908485    NA
1919 1.903090    NA
1920 2.033424    NA
1921 2.359835    NA
1922 2.600973    NA
1923 3.053846    NA
1924 3.385964    NA
1925 3.553155    NA
1926 3.467608    NA
1927 3.186674    NA
1928 2.723456    NA
1929 2.685742    NA
1930 2.820858    NA
1931 3.000000    NA
1932 3.201397    NA
1933 3.424392    NA
1934 3.530968    NA
1935    NA 3.384622
1936    NA 3.102350
1937    NA 2.821052
1938    NA 2.642745
1939    NA 2.606274
1940    NA 2.689122
1941    NA 2.831076
1942    NA 2.965623
1943    NA 3.045717
1944    NA 3.055977

ts.plot(e,gpars=list(col=c("red","blue")))  #输出图像

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群