বর্তমানে আমি টাইম সিরিজের ডেটা (মাসিক ডেটা) পূর্বাভাস দেওয়ার জন্য একটি প্রকল্পে কাজ করছি। আমি পূর্বাভাসটি করতে আর ব্যবহার করছি। আমার কাছে 1 নির্ভরশীল ভেরিয়েবল (y) এবং 3 স্বতন্ত্র ভেরিয়েবল (x1, x2, x3) রয়েছে। Y ভেরিয়েবলের 73 টি পর্যবেক্ষণ রয়েছে, এবং অন্যান্য 3 ভেরিয়েবল (অলস 73) রয়েছে। জানুয়ারী ২০০৯ থেকে জানুয়ারী ২০১৫ সাল পর্যন্ত আমি পারস্পরিক সম্পর্ক এবং পি-মানটি পরীক্ষা করে দেখেছি এবং এটি সমস্ত মডেলটিতে রাখাই গুরুত্বপূর্ণ। আমার প্রশ্নটি: আমি কীভাবে সমস্ত স্বাধীন ভেরিয়েবল ব্যবহার করে একটি ভাল পূর্বাভাস দিতে পারি? এই ভেরিয়েবলগুলির জন্য আমার ভবিষ্যতের মান নেই। ধরা যাক যে আমি 2 বছরেরও বেশি (2017 সালে) আমার y পরিবর্তনশীলটি ভবিষ্যদ্বাণী করতে চাই। কিভাবে আমি এটি করতে পারব?
আমি নিম্নলিখিত কোড চেষ্টা করেছিলাম:
model = arima(y, order(0,2,0), xreg = externaldata)
আমি এই কোডটি দিয়ে 2 বছরেরও বেশি সময় ধরে y এর পূর্বাভাস দিতে পারি?
আমি একটি রিগ্রেশন কোডও চেষ্টা করেছি:
reg = lm(y ~ x1 + x2 + x3)
তবে আমি এই কোডটিতে সময় নিই কীভাবে? আমার ওয়াইয়ের মান 2 বছরের বেশি হলে আমি কীভাবে পূর্বাভাস দিতে পারি? আমি পরিসংখ্যান এবং পূর্বাভাস নতুন। আমি লেগ মানটি জুড়ে কিছু পঠন এবং ক্যাম করেছি, তবে কীভাবে আমি পূর্বাভাস করতে মডেলটিতে ল্যাগ মান ব্যবহার করতে পারি?
আসলে আমার সামগ্রিক প্রশ্ন আমি কীভাবে কোনও ভবিষ্যতের মূল্য ছাড়াই বাহ্যিক ভেরিয়েবলগুলির সাথে টাইম সিরিজের ডেটা পূর্বাভাস করতে পারি?