返回应用于y的ets模型。
ets(
y,
model = "ZZZ",
damped = NULL,
alpha = NULL,
beta = NULL,
gamma = NULL,
phi = NULL,
additive.only = FALSE,
lambda = NULL,
biasadj = FALSE,
lower = c(rep(1e-04, 3), 0.8),
upper = c(rep(0.9999, 3), 0.98),
opt.crit = c("lik", "amse", "mse", "sigma", "mae"),
nmse = 3,
bounds = c("both", "usual", "admissible"),
ic = c("aicc", "aic", "bic"),
restrict = TRUE,
allow.multiplicative.trend = FALSE,
use.initial.values = FALSE,
na.action = c("na.contiguous", "na.interp", "na.fail"),
...
)
y : 类的数字向量或时间序列
model : 通常是一种使用Hyndman等人（2002）和Hyndman等人（2008）的框架术语的三字符字符串识别方法。第一个字母表示错误类型（“a”、“M”或“Z”）；第二个字母表示趋势类型（“N”、“a”、“M”或“Z”）；第三个字母表示季节类型（“N”、“a”、“M”或“Z”）。在所有情况下，“N”=无，“A”=加法，“M”=乘法，“Z”=自动选择。例如，“ANN”是带加性误差的简单指数平滑，“MAM”是带乘性误差的乘法霍尔特-温特斯方法，等等来吧。它模型也可能属于“ets”类，并且等于以前对ets调用的输出。在这种情况下，相同的模型被拟合到y上，而不需要重新估计任何平滑参数。另请参见使用.initial.values争论。
damped : 如果为真，则使用衰减趋势（加法或乘法）。如果为空，将同时检索阻尼和非阻尼趋势，并返回最佳模型（根据信息标准ic）。
alpha : α值。如果为空，则进行估计。
beta : β值。如果为空，则进行估计。
gamma : 伽马值。如果为空，则进行估计。
phi : 功率因数的值。如果为空，则进行估计。
additive.only : 如果为真，将只考虑加法模型。默认值为false。
lambda : Box-Cox变换参数。如果lambda=“auto”，则使用BoxCox.lambda.The公司如果为NULL，则忽略转换。否则，在模型估计之前进行数据转换。指定lambda时，仅限添加剂设置为TRUE。
biasadj : 使用调整后的反变换平均值进行Box coxtormation。如果转换后的数据用于生成预测和拟合值，则常规的反向转换将生成中值预测。如果biasadj为真，将进行调整，以生成平均预测值和拟合值。
lower : 参数的下限（α、β、γ、φ）
upper : 参数的上界（alpha，beta，gamma，phi）
opt.crit : 优化准则。“mse”（均方误差）、“amse”（第一个nmse预测视界的平均mse）、“sigma”（残差标准差）、“mae”（绝对残差平均值）或“lik”（对数似然，默认值）之一。
nmse : 平均多步MSE的步数（1<=nmse<=30）。
bounds : 要施加的参数空间类型：“通常”表示所有参数必须位于指定的下限和上限之间；“允许”表示参数必须位于允许空间中；“两者”（默认值）取这些区域的交集。
ic : 用于模型选择的信息准则。
restrict : 如果为TRUE（默认），则不允许具有无限差异的模型。
allow.multiplicative.trend : 如果为TRUE，则在搜索模型时允许使用带乘法终止的模型。否则，模型空间将排除它们。如果明确请求乘法趋势模型（例如，使用model=“MMN”），则忽略此参数。
use.initial.values : 如果为真且模型属于“ets”类，则模型中的初始值也不会重新估计。
na.action : 一个函数，指示当数据包含NA值时应该发生什么。默认情况下，将使用时间序列的最大连续部分。
... : 其他未记录的论点。
fit < - ets(USAccDeaths)
plot(forecast(fit))