R 时间序列分析预测结果始终保持不变

Question

我正在尝试在 R 中进行时间序列分析。
我有这样的数据时间序列数据集。

    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

谷歌搜索我发现我可以使用 auto.arima 函数来预测结果。
我设法编写了 R 代码来使用 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。



任何人都可以告诉我出了什么问题。或帮助我更正我的预测结果。谢谢

Answer 1

没有错误。这只是您的自动预测:仅包含截距(平均值)的模型。

您只有 17 个观察，并且(可能的)低信噪比将很难提取任何可能的趋势、持续性、滞后错误等。此外，也无法捕捉与周期较长的周期相关的季节性(像年度季节性)，当你只有这么短的观察序列时。