（线性回归）预测的调整

全面披露：我不是统计学家，也不声称自己是统计学家。我是一个低级的IT管理员。请和我一起玩。:)

我负责收集和预测我们企业的磁盘存储使用情况。我们每月收集存储使用情况，并使用简单的滚动式十二个月线性回归进行预测（换句话说，进行预测时仅考虑前十二个月的数据）。我们将这些信息用于分配和资本支出计划，例如“基于此模型，如果要在y个月内存储以满足我们的需求，我们将需要购买x数量。” 所有这些都能很好地满足我们的需求。

周期性地，我们的数字出现了一次大的波动，这使预测不合时宜。例如，某人发现不再需要的500GB旧备份，并将其删除。对他们有利于回收空间！但是，我们的预测现在因一个月的大幅下降而偏离了。我们一直都接受这样的下降需要9到10个月的时间才能摆脱模型，但是如果我们进入资本支出计划的季节，那可能会花费很长时间。

我想知道是否有一种方法可以处理这些一次性变化，以使预测值不会受到太大影响（例如，线的斜率不会发生太大变化），但是将它们考虑在内（例如与特定时间点相关的y值的一次变化）。我们为解决这个问题而进行的首次尝试已产生了一些丑陋的结果（例如指数增长曲线）。如果重要的话，我们将在SQL Server中进行所有处理。

regression forecasting adjustment

— 棕褐色
source

很好的问题。请快速澄清。您是否要预测这些事件，或者一旦发生，就根据新信息调整模型预测？

— 马修·德鲁里

是的，目前尚不清楚您是否试图“平滑”这些罕见事件（例如500GB示例），以使它们不会对您的结果产生太大的影响，或者是否要考虑更多结果，因为您想在母狗调整存储时捕获做的？区别是微妙的：首先，您想几乎忽略新点（稀有事件），但其次，您想强调点（稀有事件）。如果是前者，则健壮回归可能对您来说是一种简单的方法，因为您已经在使用线性回归。看到这里： ats.ucla.edu/stat/r/dae/rreg.htm

— StatsStudent

另外，您是否使用任何软件进行预测以及是否使用置信区间？

— StatsStudent

我可以在事实之后添加一个调整。实际上，在大多数情况下，直到我查看下个月的数字并看到很大的变化，我才知道大的偏差。我没有使用任何软件进行预测；只是SQL Server中的一个存储过程来计算我的回归值。

— sbrown'2

快速反应：（a）我可能首先适合使用非常基本的AR（1）来更改日志磁盘使用情况？您基本上是在估计磁盘使用量的长期增长率，以及在受到冲击后磁盘使用率的增长率恢复到该趋势的速度。（aa）您也可以使用其他数据并拟合VAR（向量自回归）。（b）丢弃所有大于12个月的数据可能不是最佳选择。（c）常规OLS将平方和最小化。您可以使用其他惩罚函数（例如，Huber），该函数对异常值更健壮。

— 马修·冈恩

这是一个简单的建议。我不知道它是否对您有用，也许我应该将其作为评论，但似乎您需要更多的特权来发表评论而不是进行回复。

如果我理解正确，那么您使用的数字就是每个月使用的存储量。大概这些通常会增加，并且您想预测如果趋势继续下去，将来某个时候的金额。一旦意识到您的重大更改已经发生（例如，已释放500 GB），您是否可以返回并更改前几个月的数据（例如，从所有这些磁盘中删除500 GB）？基本上，您会做的是将前几个月的数字调整为应有的水平（如果您知道的话）。

当然，除非您确定可以回到以前的数字，否则我不建议您这样做。但是您想要进行的预测听起来甚至可以在Excel中完成，在这种情况下，您可以根据需要拥有任意多个版本。

— 迈克
source