时间序列分析R语言程序.docVIP

下载本文档

43
0
约1.15万字
约 7页
2017-06-11 发布于北京
举报
版权申诉

时间序列分析R语言程序.doc

1、本文档共7页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

#例2.1 绘制1964——1999年中国年纱产量序列时序图（数据见附录1.2） Data1.2=read.csv(C:\\Users\\Administrator\\Desktop\\附录1.2.csv,header=T)#如果有标题，用T；没有标题用F plot(Data1.2,type=o) #例2.1续 tdat1.2=Data1.2[,2] a1.2=acf(tdat1.2) #例2.2绘制1962年1月至1975年12月平均每头奶牛产奶量序列时序图（数据见附录1.3） Data1.3=read.csv(C:\\Users\\Administrator\\Desktop\\附录1.3.csv,header=F) tdat1.3=as.vector(t(as.matrix(Data1.3)))[1:168]#矩阵转置转向量 plot(tdat1.3,type=l) #例2.2续 acf(tdat1.3) #把字去掉 pacf(tdat1.3) #例2.3绘制1949——1998年北京市每年最高气温序列时序图 Data1.4=read.csv(C:\\Users\\Administrator\\Desktop\\附录1.4.csv,header=T) plot(Data1.4,type=o) ##不会定义坐标轴 #例2.3续 tdat1.4=Data1.4[,2] a1.4=acf(tdat1.4) #例2.3续 Box.test(tdat1.4,type=Ljung-Box,lag=6) Box.test(tdat1.4,type=Ljung-Box,lag=12) #例2.4随机产生1000个服从标准正态分布的白噪声序列观察值，并绘制时序图 Data2.4=rnorm(1000,0,1) Data2.4 plot(Data2.4,type=l) #例2.4续 a2.4=acf(Data2.4) #例2.4续 Box.test(Data2.4,type=Ljung-Box,lag=6) Box.test(Data2.4,type=Ljung-Box,lag=12) #例2.5对1950——1998年北京市城乡居民定期储蓄所占比例序列的平稳性与纯随机性进行检验 Data1.5=read.csv(C:\\Users\\Administrator\\Desktop\\附录1.5.csv,header=T) plot(Data1.5,type=o,xlim=c(1950,2010),ylim=c(60,100)) tdat1.5=Data1.5[,2] a1.5=acf(tdat1.5) #白噪声检验 Box.test(tdat1.5,type=Ljung-Box,lag=6) Box.test(tdat1.5,type=Ljung-Box,lag=12) #例2.5续选择合适的ARMA模型拟合序列 acf(tdat1.5) pacf(tdat1.5) #根据自相关系数图和偏自相关系数图可以判断为AR（1）模型 #例2.5续 P81 口径的求法在文档上 #P83 arima(tdat1.5,order=c(1,0,0),method=ML)#极大似然估计 ar1=arima(tdat1.5,order=c(1,0,0),method=ML) summary(ar1) ev=ar1$residuals acf(ev) pacf(ev) #参数的显著性检验 t1=0.6914/0.0989 p1=pt(t1,df=48,lower.tail=F)*2 #ar1的显著性检验 t2=81.5509/ 1.7453 p2=pt(t2,df=48,lower.tail=F)*2 #残差白噪声检验 Box.test(ev,type=Ljung-Box,lag=6,fitdf=1) Box.test(ev,type=Ljung-Box,lag=12,fitdf=1) #例2.5续P94预测及置信区间 predict(arima(tdat1.5,order=c(1,0,0)),n.ahead=5) tdat1.5.fore=predict(arima(tdat1.5,order=c(1,0,0)),n.ahead=5) U=tdat1.5.fore$pred+1.96*tdat1.5.fore$se L=tdat1.5.fore$pred-1.96*tdat1.5.fore$se plot(c(tdat1.5,tdat1.5.fore$pred),type=l,col=1:2) lines(U,col=blue,lty=dashed) lines(L,col=blue,lty=dashed) #例3.1.1 例3.5 例3.5续 #方