时间序列分析R语言程序.docx

例 绘制1964——1999年中国年纱产量序列时序图 (数据见附录)=(HC:\\U sers\\Adniinistiator\\Desktop\\ 附 录•\header=T)#如果有标题，用T：没有标题用F plot.type=lo,)#例续=[,2]=acf#例绘制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)=(HC:\\Users\\Adniinistiator\\Desktop\\ 附录'^headei-F)=(t))[l:168]#矩阵转置转向量plot,type='l')#例续acf #把字去掉pacf#例绘制1949——1998年北京市每年最高气温序列时 序图=(HC:\\Users\\Adniinistiator\\Desktop\\ 附录'^headei-T) plot.type=lo,)##不会定义坐标轴#例续=[,2]=acf#例续,type=nLjung-BoxM,lag=6),type=nLjung-BoxM,lag= 12)#例随机产生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=rnorm( 1000.0.1)plot.type=,r)#例续=acf#例续,type=nLjung-BoxM,lag=6),type=nLjung-BoxM,lag= 12)#例对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=(HC:\\Users\\Adniinistiator\\Desktop\\ 附录 n,headei-T) plot,type=*o\xlim=c( 1950,2010),ylim=c(60、100))=[,2]=acf特白噪声检验,tvpe=HLjung ・Eox",lag=6),type=nLjung-BoxH,lag=12)制列续选择合适的ARMA模型拟合序列acfpacf特根据自相关系数图和偏自相关系数图可以判断为AR (1)模型存例续P81丨1径的求法在文档上#P83aiinm,oider=c(1.0,0)4iiethod=MNILM)# 极人似然估计ail=anma.oider=c(hO,0)jnethod=MMLH) sunmiaiy(arl)e\~arlSresidualsacf(ev)pacf(ev)特参数的显著性检验tl=pl=pt(tl,df=48=F)*2#arl的显著性检验t2=p2=pt(t2,dfM8=F)*2#残差白噪声检验(ev.type-,Ljung-BoxH,lag=6,fitdf=l)(ev.type-,Ljung-BoxH,lag=12?fitdf=l)#例续P94预测及置信区间predict(ariina.oidei-c(l,0.0))5=5)T,col=l:2)lmes(U5col=,,blue,\lty=ndashed,') lmes(L,col=MblueMJty=HdashedH)制列例例续存方法一 (n=100,list(ar=))#方法二x0=runif(l)x=rep(0J500)x[ 1 ]=*x0+rnorm( 1)fbr(i m 2:lengtli(x)){x[i]=*x[i-l ]+rnorm(l)}plot(x[l:100],type=T)acf(x)pacf(x)掰拟合图没有画出来#例求平稳AR (1)模型的方差例mu=O#例 in 2:length(x)) {x[i]=*x[i-l]+rnorm(l)} plot(x[l:100].type=T) acf(x)pacf(x)mvar=l/A2)幷书上51页#总体均值方差cat(Hpopulation mean and vai aie,\c(mu.mvar),n\nH)#样本均值方差#例方法一(n= 1 OOJist(ai-c(l J))#方法二 xO=runif⑴ xl=runif⑴ x=rep(0,1500) x[l]=xl x[2]=*x0+rnorm( 1) fbr(i in 3:length(x)) {x[i]=x[i-l]*x[i-2]+niorm(l)} plot(x[l:100].type=T) acf(x)pacf(x)cat(Hsample mean and var aie,,,c(mujnvai)/\iiH)桝列题svar=(l+/(**(l+)制列题MA模型自相关系数图截尾和偏自相关系数 图拖尾#法一：x=(n= 1000.1ist(nia=-2))(x,type=T)acf(x)pacf(x)法二#例 in 3:length(x)){x[i]=x[i-l]+*x[i-2]+rnorm(l)} plot(x[l:100].type=T) acf(x)pacf(x)x=rep(0:1000)fbr(i m 1:1000){x[i]=rnorm[i]-2*niorm[i-1 ]} plot(x.type=,r)acf(x)pacf(x)又一个式子xO=runif⑴xl=runif⑴x=rep(0,1500)x[l]=xlx[2]=*x0+rnorm( 1)fbr(i in 3:length(x)){x[i]=-x[i-l] *x[i-2]+rnorm(!)}存法一：x=(n= 1000.1ist(nia=) (x,type=T)acf(x) pacf(x) 法二x=rep(0:1000)plot(x[l:100].type=T)acf(x) pacf(x)fbr(i m 1:1000) {x[i]=rnorm[i] *rnorm[i-1 ]} plot(x.type=,r)#均值和方差acf(x) pacf(x)smu=mean(x) svar=var(x)##错误于rnorm[i]:类别为'closuie*的对彖不可以取子 集#法一：x=(n= 1000Jist(ma=c(-4/5,16/25)))(x,type=T)acf(x)pacf(x)法二：x=rep(0:1000)for(i in 1:1000){x[i]=morm[i]-4/5 *rnorm[i-1]+16/25*rnorm[i-2]} plot(x.type=*r)acf(x)pacf(x)##错误于 x[i] = rnorm[i] - 4/5 * rnorm[i - 1] + 16/25 * inorm[i - 2]:##更换参数长度为零#例续 根据书上64页来判断#例拟合 ARMA (1, 1)模型，x(t)(t-l)=u(t)*(u-l),并 直观观察该模型自相关系数和偏自相关系数的拖尾 性。

法一：x0=runif⑴x=rep(0,1000)x[ 1 ]=*x0+rnorm( 1) *rnorm(l)for(i in 2:length(x)){x[i]=*x[i-l ]+rnorm( l)*rnonn(l)}plot(x.type=*r)acf(x)pacf(x)辦图和书上不一样#法二x=(n= 1000Jist(ar=jna=)acf(x)pacf(x)#图和书上一样#例选择合适的ARMA模型拟合加油站57天的OVERSHORT 序列=(HC:\\Users\\Adniinistiator\\Desktop\\ 附录'^headei-F) =(t))[l：5 7]plot.type-o1)acfpacf#把字去掉aiima,ordep=c(0,0,1 ),method=HCSSH)# 最小二乘估计 nial=aruna.oidei-=c(0,0,l),method=nCSSn) sunmiaiy(mal)e\~nial$residualsacf(ev)pacf(ev)掰错误于 aiiiiia, order = c(0、0, 1), method = "CSS"): 掰乂必需为数值护例选择合适的ARMA模型拟合188 1985年全球气温改变差值差分序列掰没有数据制列例例掰矩估计制列对等时河河隔的连续70次化学反应的过程数据进 行拟合=(MC:\\Users\\Adnunistrator\\Desktop\\ 附录'\headei-F) =(t))[l：70]plot,type=*o,)#例(2)例(3)例(3)模型的预测存如果考得话就先OOOOOO#例线性拟合消费支出数据=(MC:\\Users\\Adniinistrator\\Desktop\\ 例题'\headei-T) =[,2]plot,type=*o,)t=l:40#线性拟合summary #返回拟合参数的统计量coef#返回被估计的系数=fitted幷返回模拟值residuals #返回残差值plot,type=*o,) #画时序图 lmes,col=HiedH)幷画拟合图#例曲线拟合上海证券交易所=(MC:\\Users\\Adnunistrator\\Desktop\\ 附录'\headei-F) =(t))[ 1:130]#矩阵转置转向量plot,type=*r)t=l:130t2=tA2=hn-t+t2) ## 一道矩阵就出毛病#例简单移动平均法=c(5,,,=filter,rep( 1 /4,4),sides= 1)fbi(i in 1:3){x[l]=x[l]x[i+ l]=*x[i+ l]+*x[i]}##辛昔误于、[・'(x, i+ 1): undefined columns selected##此外：警告信息:##In (left, light): *对因子没有意义#例指数平滑法##做不出來#例##略略#例季节效应分析#例综合分析中国社会消费品零售总额序列 =(HC:\\Users\\Adniinistiator\\Desktop\\ 附 录,\header=T) #第一行是标签，所以是Ttdatl=[,2:9]) #横向全部读取，纵向读取2至9列=(tdatl)plot(l :leiigth.,type='o') #画时序图，先是横坐标，后是纵坐标md=iman#求总的均值mdseamd=apply(tdat 1J「meaiT)/md 幷求季节因子seamdplot(seaind.typ亡=b) # 季节指数图 noseandat=seaiiid特消除季节因子的影响 plot(l :length』oseandat,”p")存消除季节因子之后的散 点图lmdat=(x= 1: length(noseandat),y=noseandat)ml =lm(y^x.data=lmdat) #一元线性回归拟合 suminaiy(ml)t=l:96that=+*tplot(l: length jioseaiidat/p*) lmes(that,type='r) #拟合图和原来的图画在一起 #残差检验ev^noseandat-that# 计算残差evplot(ev) #残差图 t=97:108 tliat=+*t q=that*seaiiid。