我需要一些关于项目的帮助。
我有一个这样的数据框；
| 年 | 月 | 指标_1 | 指标_2 | 指标_3 |
|---|---|---|---|---|
| 2014 | 3 | 0.123 | 0.495 | 0.222 |
我的目标是预测明年的所有指标（月份列是每三个月一次，因此值为 3、6、9 或 12）。
我想知道线性回归是否是最好的模型？因为我想预测连续值。
此外，我该如何处理功能年份和日期？我想我需要对这两个功能进行一次热编码，还是有其他解决方案？或者我把年月列放在 int 类型中？
最后一个问题，我需要采用这两个功能还是更多功能？因为我需要预测明年的所有指标，而我不知道如何预测多个目标。
感谢您的帮助 ！！
当您只有时间作为解释变量时，您只能在目标中得出线性时间趋势。给定一个标准线性模型，您需要为每个目标估计一个模型。
df = data.frame(x=c(2017,2018,2019,2020,2021),y=c(0.65,0.69,0.78,0.81,0.85))
reg = lm(y~x,data=df)
summary(reg)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.042e+02 1.093e+01 -9.532 0.00245 **
x 5.200e-02 5.416e-03 9.601 0.00240 **
我示例中的回归结果告诉您，当（年）上升一个单位，（“指标”）将平均上涨 0.0052。当您绘制结果时，它将如下所示。
pred = predict(reg,newdata=df)
plot(df$x,df$y,ylab="y",xlab="time")
lines(df$x,df$y)
lines(df$x,pred,col="red")
因此，您可以在目标中捕获线性时间趋势（红线），但仅此而已。
根据您的描述，不清楚“指标”是否相互关联，也可能用作解释变量。