如何创建一个循环：将 4 个月的误差项求和，然后以 r 为单位除以等效的 4 个月真实数字的总和？

Question

我正在研究一个预测问题，目标是预测一家公司未来9个月应该购买的库存数量。我的数据是每月的，但我被要求创建一个4个月期间的"移动/滚动错误率"。我尝试过:ma(me/outsamp*100, order = 4, centre =FALSE)。然而，我意识到，平均4个月的百分比误差，并不等于:4个月预测的总和/给定4个月期间的总和* 100 ((prediction_1+p_2+p_3+p_4)/(实际数字)。(售出的items_1 +a_2+a_3+a_4) * 100.)测试集包括2021年前9个月。因此，我想创建一个解决方案，其中误差计算为1+2+3+4，其次为2+3+4+5，直到6+7+8+9(可能是for循环)。

样本数据，(和误差(4)在excel中计算，然后导入到r，以便上传到这里。)

df<-data.frame(predictions = c(393.4, 511.4, 471.7, 679.2, 613.9, 
456.2, 603.2, 668.2, 512.4), 
outsamp = c(662, 416, 594, 495, 442, 480, 263, 464, 507),
ME = c(268.6, -95.4, 122.3, -184.2, -171.9, 23.8, -340.2, -204.2, -5.4),
`error (4)` = c(NA, 0.0513613290263037, -0.169080636877247, -0.104425658876181, 0.400297619047619, -0.419951485748939, 
-0.306884480746791, NA, NA),
`error (5)` = c(NA, NA, -0.0232272901494825,-0.125834363411619, -0.241952506596306, -0.408908582089552, -0.323701298701299, NA, NA), 
`error (6)` = c(NA, NA, -0.0119132405309161, -0.24,-0.275529583637692, -0.332742361373067, NA, NA, NA))

excel中的计算显示在excel计算

下面

Answer 1

您可以使用行索引计算循环的滚动和:

df <- data.frame(
predictions.2.2 = c(393.4, 511.41,  471.6, 679.1, 613.9, 456.1,  603.1, 668.1, 512.4),
outsamp = c(662,  416, 594, 495, 442, 480, 263, 464, 507),
me = c(268.5,  -95.4, 122.3, -184.1, -171.9,  23.8, -340.1, -204.1, -5.4 ),
mae = c(268.5, 95.4, 122.3,  184.1, 171.9, 23.8, 340.1,  204.1, 5.4))
for(i in 1:nrow(df)){
df[i,"me_rsum"] <- sum(df[i:(i+3),"me"])
df[i,"outsamp_rsum"] <- sum(df[i:(i+3),"outsamp"])
}
df$percent_diff <- (df$me_rsum / df$outsamp_rsum) * 100
df
predictions.2.2 outsamp     me   mae me_rsum outsamp_rsum percent_diff
1          393.40     662  268.5 268.5   111.3         2167     5.136133
2          511.41     416  -95.4  95.4  -329.1         1947   -16.902928
3          471.60     594  122.3 122.3  -209.9         2011   -10.437593
4          679.10     495 -184.1 184.1  -672.3         1680   -40.017857
5          613.90     442 -171.9 171.9  -692.3         1649   -41.983020
6          456.10     480   23.8  23.8  -525.8         1714   -30.676779
7          603.10     263 -340.1 340.1      NA           NA           NA
8          668.10     464 -204.1 204.1      NA           NA           NA
9          512.40     507   -5.4   5.4      NA           NA           NA

,或者矢量化:

sapply(1:nrow(df), function(i) sum(df[i:(i+3),"me"]) / sum(df[i:(i+3),"outsamp"]) * 100)
[1]   5.136133 -16.902928 -10.437593 -40.017857 -41.983020 -30.676779
[7]         NA         NA         NA