約2年前~前日までの数値より説明変数に日本の祝日・月・曜日を加え、1ヶ月先の予測値を出すようにしましたが、予測値の算出式を知りたかったのですが、各説明変数の係数と標準誤差(s.e.)しか表示されないようです。算出式(定数項+1次前の数値×自己相関係数+ホワイトノイズ+1次前の移動平均の係数×ホワイトノイズ+・・・・)というような表示の仕方はありますでしょうか? よろしくお願いします。 > xreg.train<- data.frame(is.holiday=jholidays.xts["::2015-11-30"],year=year(date.train),month=as.factor(month(date.train)),day=day(date.train),wd=weekdays(date.train))%>%dummy.data.frame%>%select(-month1,-wd日曜日)%>%as.matrix > fit.arimax.cal<- auto.arima(call.train.ts,seasonal=T,trace=Txreg=xreg.train)#arimaxモデルのフィッティング ARIMA(2,0,2) with non-zero mean : 11402.32 ARIMA(0,0,0) with non-zero mean : 11664.95 ARIMA(1,0,0) with non-zero mean : 11402.53 ARIMA(0,0,1) with non-zero mean : 11451.06 ARIMA(0,0,0) with zero mean : 11665.87 ARIMA(1,0,2) with non-zero mean : 11401.18 ARIMA(1,0,1) with non-zero mean : 11403.75 ARIMA(1,0,3) with non-zero mean : 11401.67 ARIMA(2,0,3) with non-zero mean : 11404.22 ARIMA(1,0,2) with zero mean : 11400.29 ARIMA(0,0,2) with zero mean : 11417.95 ARIMA(2,0,2) with zero mean : 11401.2 ARIMA(1,0,1) with zero mean : 11403.12 ARIMA(1,0,3) with zero mean : 11400.76 ARIMA(0,0,1) with zero mean : 11450.95 ARIMA(2,0,3) with zero mean : 11403.14 Best model: ARIMA(1,0,2) with zero mean > summary(fit.arimax.cal) Series: call.train.ts ARIMA(1,0,2) with zero mean Coefficients: ar1 ma1 ma2 is.holiday year month2 month3 month4 month5 month6 month7 month8 month9 month10 0.7803 -0.2321 -0.1964 -379.1346 1.5137 195.9081 272.9902 -24.2703 -88.6687 -25.0078 277.1681 224.4410 76.2821 3.7991 s.e. 0.0837 0.0973 0.0656 42.8611 0.0387 96.4907 99.5181 101.4300 100.2031 101.4180 101.1563 101.2811 92.3923 91.6773 month11 month12 day wd火曜日 wd金曜日 wd月曜日 wd水曜日 wd土曜日 wd木曜日 147.3163 414.5067 -1.1747 -104.1835 61.3693 22.6069 -127.6002 157.4556 -130.2834 s.e. 93.0474 94.0236 1.5022 31.7203 31.6301 26.3375 32.3830 25.5789 32.3576 sigma^2 estimated as 59126: log likelihood=-5675.48 AIC=11398.96 AICc=11400.47 BIC=11512.01 Training set error measures: Training set ME -0.4521637 RMSE 243.158 MAE 172.401 MPE -0.5560798 MAPE 5.406263 MASE 0.05535613 ACF1 0.007784234 #以下が予測結果(抜粋) Forecasts: Forecast 3529.367 3404.598 3385.364 3563.843 #以下が予測開始日の前日から4日前までのデータ(抜粋) 3416 3329 3001 3446