时间序列分析这件小事(二)--自回归
2016-12-02 22:00
603 查看
说到时间序列,那么就必须提起自回归了。什么是自回归呢,就是说未来的一个时点可以用之前的时点来进行回归预测,还是那一串数字,但是时间状态不同了,存在不同阶的时滞。
所以呢,我们首先要写一个时间滞后函数。
大家放到R语言里面试一下就知道啦。
我们知道如何计算两个变量的协方差,从而计算相关性。如果不会的话,去补一下统计基础吧,或者看一下笔者之前的FRM笔记之数量分析也可以。其实对于自回归而言,也是一样的道理,求取的就是不同时滞之间的相关系数。
R当中还提供了一个更加好的函数,acf,就是atuo correlation function。所谓自回归系数函数呢就是不同滞后阶下的回归系数。当然,如果滞后阶数为零的话,也就是本身,那么自回归系数就一定是1.我们运行一下看看就知道啦。
函数很简单就是acf(yt)。
所以呢,我们首先要写一个时间滞后函数。
L_ <- function(x,lag = 1,na.is = TRUE){#delay ont step function if(na.is)c(rep(NA,lag),x[1:length(x)-lag]) else x[1:(length(x) - lag)] }这里呢,我们是把一列数据做了一个滞后,比如5,4,2,1,3,变成了NAN,5,4,2,1。
大家放到R语言里面试一下就知道啦。
我们知道如何计算两个变量的协方差,从而计算相关性。如果不会的话,去补一下统计基础吧,或者看一下笔者之前的FRM笔记之数量分析也可以。其实对于自回归而言,也是一样的道理,求取的就是不同时滞之间的相关系数。
#example 2 yt_1 = L_ (yt,na.is = T) plot(yt,yt_1);abline(h = 0) cor(yt,yt_1,"complete")cor函数就是计算两个变量之间的相关性,很简单,这样我们就算出来一阶自回归系数。
R当中还提供了一个更加好的函数,acf,就是atuo correlation function。所谓自回归系数函数呢就是不同滞后阶下的回归系数。当然,如果滞后阶数为零的话,也就是本身,那么自回归系数就一定是1.我们运行一下看看就知道啦。
函数很简单就是acf(yt)。
相关文章推荐
- 时间序列分析这件小事(三)--自回归的假设检验
- 时间序列分析这件小事(五)--MA模型
- 时间序列分析(3)R语言-最基础的回归模型
- 时间序列分析这件小事(六)--非平稳时间序列与差分
- 时间序列分析这件小事(八)----格兰杰因果关系检验
- BMDP为常规的统计分析提供了大量的完备的函数系统,如:方差分析(ANOVA)、回归分析(Regression)、非参数分析(Nonparametric Analysis)、时间序列(Times Series)等等。此外,BMDP特别擅于进行出色的生存分析(Survival Analysis )。许多年来,一大批世界范围内顶级的统计学家都曾今参与过BMDP的开发工作。这不仅使得BMDP的权威性得到
- 时间序列分析-R语言-随机游走以及回归画图
- 金融时间序列分析:9. ARMA自回归移动平均模型
- SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类
- BMDP为常规的统计分析提供了大量的完备的函数系统,如:方差分析(ANOVA)、回归分析(Regression)、非参数分析(Nonparametric Analysis)、时间序列(Times Series)等等。此外,BMDP特别擅于进行出色的生存分析(Survival Analysis )。许多年来,一大批世界范围内顶级的统计学家都曾今参与过BMDP的开发工作。这不仅使得BMDP的权威性得到
- SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类
- 时间序列分析(3)Python-最简单的回归
- 时间序列分析这件小事(七)----协整
- 时间序列分析这件小事(四)--AR模型
- 时间序列分析这件小事(一)--基本概念与R-studio入门
- 数据分析之《菜鸟侦探挑战数据分析》-6-r语言-时间序列-逻辑回归分析-自相关-日历图
- 时间序列分析基础
- R语言与数据分析之六:时间序列简单介绍
- 时间序列之差分自回归移动平均法(ARIMA)
- R语言与数据分析之九:时间内序列--HoltWinters指数平滑法