我有以下数据。
Days Total cases
1 3
2 3
3 5
4 6
5 28
6 30
7 31
8 34
9 39
10 48
11 63
12 70
13 82
14 91
15 107
16 112
17 127
18 146
19 171
20 198
21 258
22 334
23 403
24 497
25 571
26 657
27 730
28 883
29 1024
30 1139
31 1329
32 1635
33 2059
34 2545
35 3105
36 3684
37 4289
38 4778
39 5351
40 5916
41 6729
42 7600
43 8452
44 9210
45 10453
46 11484
47 12370
48 13431
49 14353
50 15724
51 17304
52 18543
53 20080
54 21372
我把天数定义为 “天”，把总病例定义为 “病例1″。我运行以下代码。
exp.mod <- lm(log(cases1)~days)
我得到一个很好的模型 有合理的残差和p值。
但当我运行下面的代码时，我得到的数值是11.6。
predict(exp.mod, data.frame(days=60))
我得到的值是11. 66476，这似乎并不正确。
我需要得到该值，并在指数模型中包含预测图.希望能澄清这个问题。
解决方案：
你应该考虑 EST 模型从 forecast 包。
下面举个例子。
library(dplyr)
library(forecast)
ausair %>% ets() %>% forecast() %>% autoplot()
我建议你检查免费的 书籍 的Rob J Hyndman教授和George Athanasopoulos教授写道（是预测包的作者）。
