R语言-时间序列-arima模型-forecast、tseries包
2017-10-30 20:34
183 查看
最近初步接触了下如何用R语言进行时间序列分析,自己动手写了段小代码。
首先呢是生成随机观测值,接着画出时间序列图,然后进行单根检验和用 ACF 和 PACF 指令分别画出自相关数和偏自相关系数图。
随机观测值生成我用了两种,一种是迭代随机生成,一种是用arima.sim函数生成一列符合arima(p,q)模型的数据。
首先呢是生成随机观测值,接着画出时间序列图,然后进行单根检验和用 ACF 和 PACF 指令分别画出自相关数和偏自相关系数图。
随机观测值生成我用了两种,一种是迭代随机生成,一种是用arima.sim函数生成一列符合arima(p,q)模型的数据。
install.packages("tseries") #安装"tseries"包,仅需在首次运行时安装 install.packages("forecast") #安装"forecast"包,仅需在首次运行时安装 library('forecast') #调出"tseries"包 library('tseries') #调出"forecast"包 funy <- function(t) { return(ifelse(t>0, 0.75+0.85*funy(t-1), t)) } #构造一个递归函数 set.seed(1) #设定编号为1的随机数种子,目的是下次重复时生成同样的随机数help u<-rnorm(500, mean=0, sd=1) #随机生成500个服从正态分布的独立同分布的白噪声(均值为0,标准差为1)y<-vector() y<-vector() for(t in 1:500) { y[t]=funy(t)+u[t] } #循环调用递归函数和白噪声生成函数,以生成500个观测值 mean(y) #计算均值E(yt) var(y) #计算方差Var(yt) plot.ts(y, col="blue", main="y变量的时间序列图", xlab="t", ylab="y") adf.test(y, alternative="stationary") #adf单根验定 Acf(y, main='y-AC') #作自相关图 Pacf(y, main='y-PAC') #作偏自相关图
install.packages("tseries") #安装"tseries"包,仅需在首次运行时安装 install.packages("forecast") #安装"forecast"包,仅需在首次运行时安装 library('forecast') #调出"forecast"包 library('tseries') #调出"tseries"包 set.seed(1) #设定编号为1的随机数种子,目的是下次重复时生成同样的随机数 y <- 0.75+arima.sim(list(ar=0.85), sd = sqrt(1), n = 500) #创建一组500笔的观测值 print(y) mean(y) #计算均值E(yt) var(y) #计算方差Var(yt) plot.ts(y, col="blue", main="y变量的时间序列图", xlab="t", ylab="y") adf.test(y, alternative="stationary") #adf单根验定 Acf(y, main='y-AC') #作自相关图 Pacf(y, main='y-PAC') #作偏自相关图 y.arima <- Arima(y, order=c(1,0,0)) #用Arima指令进行时间序列回归,arima中的order参数是order(p,d,q),由(e)结果看出p=1 summary(y.arima)
相关文章推荐
- R语言时间序列之ARMA、ARIMA模型
- R语言 时间序列分析之ARIMA模型预测
- R语言 时间序列之ARIMA模型
- R语言时间序列分析之ARIMA模型预测
- Python_Statsmodels包_时间序列分析_ARIMA模型
- 时序分析:ARIMA模型(非平稳时间序列)
- 时间序列模式——ARIMA模型
- 【R实践】时间序列分析之ARIMA模型预测___R篇
- 时间序列ARIMA模型相关
- 时间序列分析之 ARIMA 模型的JAVA实现
- 时间序列分析——ARIMA模型
- 金融时间序列分析:6. AR模型实例(R语言)
- 时间序列分析之ARIMA模型预测
- 基于R语言的时间序列指数模型
- 时间序列分析--ARIMA模型
- 时间序列(四)ARIMA模型与差分
- 时间序列分析(3)R语言-最基础的回归模型
- 时间序列 ARIMA 模型 (三)
- R学习日记——时间序列分析之ARIMA模型预测
- 时间序列分析中的ARMA,ARIMA模型整体综述