指数模型是用来预测时序未来值的最常用模型。这类模型相对比较简单,但是实践证明它们
的短期预测能力较好。不同指数模型建模时选用的因子可能不同。比如单指数模型(simple/single
exponential model)拟合的是只有常数水平项和时间点i处随机项的时间序列,这时认为时间序列
不存在趋势项和季节效应;双指数模型(double exponential model;也叫Holt指数平滑,Holt
exponential smoothing)拟合的是有水平项和趋势项的时序;三指数模型(triple exponential model;
也叫Holt-Winters指数平滑,Holt-Winters exponential smoothing)拟合的是有水平项、趋势项以及
季节效应的时序。
R中自带的HoltWinters()函数或者forecast包中的ets()函数可以拟合指数模型。ets()
函数的备选参数更多,因此更实用。本节中我们只讨论ets()函数。
ets()函数如下:
ets(ts, model=“ZZZ”)
其中ts是要分析的时序,限定模型的字母有三个。第一个字母代表误差项,第二个字母代表趋势
项,第三个字母则代表季节项。可选的字母包括:相加模型(A)、相乘模型(M)、无(N)、自
动选择(Z)。
ses()、holt()、和hw()函数都是ets()函数的便捷包装&#x