如何在R中实现多变量回归时间序列模型的预测与绘图？

• 语法错误：构造ts_dataframe时未使用data.frame()函数，仅用圆括号属于非法R语法，且列名大小写与模型公式中的Rank/Market不匹配，会直接导致模型读取自变量失败。
• 数据结构错误：仅将Total转为时间序列类型，Market和Rank两个自变量未对齐相同的时间维度、未纳入时间序列结构化数据中，模型无法关联观测的时间对应关系。
• 预测逻辑缺失：多变量回归类模型预测必须提供预测期对应的自变量取值，未提供该参数时，forecast工具会默认自变量保持历史最后一期数值不变，输出的预测结果自然为水平直线，也就是你观测到的异常绘图结果。
• 认知偏差：auto.arima支持带外生回归变量的ARIMAX模型，通过xreg参数传入其他自变量即可适配多变量预测需求，并非仅支持单变量。

# 加载依赖包
library(forecast)
library(lubridate)

# 1. 构造对齐时间维度的多变量时间序列
ts_data <- ts(
  originalfile[, c("Total", "Rank", "Market")],
  frequency = 365,
  start = decimal_date(as.Date("2020-08-01"))
)

# 2. 拟合tslm多变量回归模型
mymodel <- tslm(Total ~ Rank + Market, data = ts_data)

# 3. 准备预测期对应的自变量数据
# 示例为预测未来30天，需替换为实际的未来Rank、Market取值，若无法提前获知需先单独预测这两个变量
future_period <- 30
future_x <- data.frame(
  Rank = rep(tail(originalfile$Rank, 1), future_period),
  Market = rep(tail(originalfile$Market, 1), future_period)
)

# 4. 执行预测并绘图
pred_result <- forecast(mymodel, newdata = future_x)
plot(pred_result)

# --- 带外生变量的ARIMAX（auto.arima）实现示例 ---
arimax_model <- auto.arima(ts_data[, "Total"], xreg = ts_data[, c("Rank", "Market")])
arimax_pred <- forecast(arimax_model, xreg = as.matrix(future_x))
plot(arimax_pred)

• 所有时间序列预测涉及的自变量，历史期和未来期的时间维度必须严格对齐，不能出现观测错位。
• 若无法提前获取预测期的Rank、Market取值，需要先针对这两个变量单独完成预测，再将预测结果作为自变量传入总模型中，最终完成Total的预测。

内容的提问来源于stack exchange，提问作者raistlinn