R语言-时间序列-arima模型-forecast、tseries包
来源:互联网 发布:黑色紧身小脚裤淘宝 编辑:程序博客网 时间:2024/06/05 23:47
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。
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helpu<-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=1summary(y.arima)
阅读全文
0 0
- R语言-时间序列-arima模型-forecast、tseries包
- R语言 时间序列ARIMA模型方法
- R语言tseries包
- R语言时间序列分析之ARIMA模型预测
- R语言 时间序列分析之ARIMA模型预测
- R语言时间序列之ARMA、ARIMA模型
- ARIMA模型-R语言
- 时间序列分析——ARIMA模型预测(R)
- R & ARIMA 时间序列预测
- 时间序列 R 09 ARIMA
- R(语言)做时间序列(ARIMA)
- R(语言)做时间序列(ARIMA)的案例
- 时间序列ARIMA模型相关
- 时间序列分析--ARIMA模型
- R语言 时间序列模型
- R----简述时间序列(ARIMA)
- Arima预测模型(R语言)
- Arima预测模型(R语言)
- org.springframework.dao.EmptyResultDataAccessException: Incorrect result size: expected 1,actual 0 1
- java 简单面向对象
- 吴恩达deeplearning.ai课程系列笔记06
- navicat for java 导入Excel表时,无法打开文件!
- Java中File类及其方法简介
- R语言-时间序列-arima模型-forecast、tseries包
- Unity3D-VR手柄控制器的实现
- Django学习(1)开发环境的搭建
- 【Shiro权限管理】6.Shiro认证思路分析
- JavaScript--《剑指offer》-题四
- 从贝叶斯方法谈到贝叶斯网络
- convolution in tensorflow (tf.nn.conv)
- winform程序中使用js
- maven中jetty插件配置,注意不同jetty对应不同jdk版本