资源描述：
《时间序列的简单r函数和例子》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、一：时间序列的预处理1.scan从键盘或外部文件读入向量或列表。常用的形式为data<-scan(file=“filepath&name”，skip=1,sep=““)其它函数read.table，readLines，write等。2.ts用来构造一个R中的时间序列对象。常用形式z<-ts(data,start=c(1961,1),frequency=12)jj<-ts(jj,start=1960,frequency=4)3.plotR中的绘图工具。其外还有line,points等函数，屏幕分割函数par(mfrow=
2、c(2,1))plot(x,y,type="p",col="red",lwd=10,main="散点图")1.acf计算样本自协方差函数，自相关函数以及偏相关系数。acf(x,lag.max=NULL,type=c("correlation","covariance","partial"),plot=TRUE,na.action=na.fail,demean=TRUE,...)2.filter生成时间序列的线性滤波filter(x,filter,method=c("convolution","recursive"),s
3、ides=2)recursive模式是自回归的，第0步系数默认为1，y[i]=x[i]+f[1]*y[i-1]+...+f[p]*y[i-p]Theconvolutionfilterisy[i]=f[1]*x[i+o]+...+f[p]*x[i+o-(p-1)]其中o是偏移量，依赖sides的值。3.lm线性回归函数lm(formula)没有截距的回归可用y~x-1或y~0+x表示1.decompose利用滑动平均获取趋势项的分解方法，更复杂的有stl函数。decompose(x,type=c("additive","
4、multiplicative"),filter=NULL)2.Box.test检验序列是否独立的函数Box.test(x,lag=1,type=c("Box-Pierce","Ljung-Box"))实例Example1.1jj=scan("jj.dat")#yesforwardslashjj=ts(jj,start=1960,frequency=4)plot(jj,ylab="QuarterlyEarningsperShare")Example1.9w=rnorm(500,0,1)#500N(0,1)variates
5、v=filter(w,sides=2,rep(1,3)/3)#movingaveragepar(mfrow=c(2,1))plot.ts(w)plot.ts(v)Example1.10w=rnorm(550,0,1)#50extratoavoidstartupproblemsx=filter(w,filter=c(1,-.9),method="recursive")plot.ts(x[51:550])Example1.25soi=scan("soi.dat")rec=scan("recruit.dat")par(mfr
6、ow=c(3,1))acf(soi,50)acf(rec,50)ccf(soi,rec,50)Example2.1gtemp=scan("globtemp.dat")x=gtemp[45:142]#useyears1990to1997t=1900:1997fit=lm(x~t)#regressxontsummary(fit)#regressionoutputplot(t,x,type="o",xlab="year",ylab="tempdeviation")abline(fit)#addregressionlineto
7、theplotExample2.2plot(decompose(AirPassengers))二：ARIMA建模相应函数1.arima.sim从arima模型得到模拟数据。arima.sim(n=63,list(ar=c(0.8897,-0.4858),ma=c(-0.2279,0.2488)),sd=sqrt(0.1796))1.ARMAacf，ARMAtoMA，acf2ARARMAacf利用参数计算理论自相关函数或偏自相关函数；ARMAtoMA利用模型参数估计wold系数；acf2AR利用自相关系数计算模型自回归模
8、型系数。ARMAacf(ar=numeric(0),ma=numeric(0),lag.max=r,pacf=FALSE)ARMAtoMA(ar=numeric(0),ma=numeric(0),lag.max)acf2AR(Acf)2.ar，ar.ols，ar.yw，ar.mle利用最小二乘,yule-walker,极大似然估计
