R语言实验十二.doc

R语言实验十二.doc

ID:57179054

大小:434.50 KB

页数:7页

时间:2020-08-05

R语言实验十二.doc_第1页
R语言实验十二.doc_第2页
R语言实验十二.doc_第3页
R语言实验十二.doc_第4页
R语言实验十二.doc_第5页
资源描述:

《R语言实验十二.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、实验课程:R语言与统计分析专业:应用统计学班级:学号:姓名:胡玉玲中北大学理学院实验十二数据的综合分析案例【实验类型】验证性【实验学时】2学时【实验目的】1、掌握数据的获取方法与渠道,并对数据进行预处理;2、掌握综合运用恰当的统计方法、绘制相关统计图形;3、掌握对统计结果进行合理解释,并进行预测、决策或给出合理化建议。【实验内容】1、从国家统计年鉴或相关网站获取相关统计数据;2、对数据进行描述性分析及可视化;3、对数据进行综合统计分析,给出统计分析报告。【实验方法或步骤】一、数据收集:从国家统计局下载年度数据“按国别分外国入境游

2、客”,如下所示:第二步:数据的整理与预处理在excel内删除没用的行、含有缺失数据的最后一行以及对表中文本进行处理,处理后的excel数据如下:第三步:数据的描述性统计分析与可视化#读入数据x<-read.csv("F:/文档/大学课程/R语言/按国别分外国入境游客.csv",header=TRUE,sep=",")x#对列进行调整,使得年份为递增排列x1<-data.frame(x$index,x$n09,x$n10,x$n11,x$n12,x$n13,x$n14,x$n15,x$n16,x$n17,x$n18)#对数据框进行

3、行列转置t1<-t(data.frame(x1,row.names=1))t<-as.data.frame(t1,row.names=F)par(omi=c(.5,.5,.5,.5));par(mfrow=c(3,2))par(mar=c(3,2,2,1))#图1plot(ts(t$亚洲,end=2018,frequency=1),ylab="旅游人数(万)",xlab="年",main="亚洲入境旅游总人数变化图")par(mar=c(3,3,2,1))#图2plot(ts(t$日本,end=2018,frequency=1)

4、,ylab="旅游人数(万)",xlab="年",main="日本入境总人数")par(mar=c(4.5,4.5,2,1))##图3plot(ts(t$美国,end=2018,frequency=1),ylab="旅游人数(万)",xlab="年",main="美国入境总人数")par(mar=c(3,2,2,1))##图4plot(ts(t$加拿大,end=2018,frequency=1),ylab="旅游人数(万)",xlab="年",main="加拿大入境总人数")par(mar=c(3,3,2,1))##图5plot

5、(ts(t$俄罗斯,end=2018,frequency=1),ylab="旅游人数(万)",xlab="年",main="俄罗斯入境总人数")par(mar=c(2,2,1,1))##figrue图6plot(ts(t$澳大利亚,end=2018,frequency=1),ylab="旅游人数(万)",xlab="年",main="澳大利亚入境旅游总人数")mtext("各国旅游人数变化",line=1,outer=T,cex=1.5)#画出国外入境旅游总人数变化图m<-ts(t$总计,end=2018,frequency=1

6、)plot(m,ylab="旅游人数(万)",xlab="年",main="国外入境旅游总人数变化图")#对入境旅游总人数进行平稳性检验acf(m,main="自相关图")#画出自相关图说明:自相关图里自相关系数没有快速的减为0,而是呈现出拖尾的特征,故判断序列为非平稳序列。#对序列进行平稳化处理opar<-par(mfrow=c(2,1))plot(m,type="l",xlab="时间",ylab="尼罗河流量对数值",main="差分前")acf(m,main="自相关图",xlab="滞后阶数")par(opar)lib

7、rary(forecast)>ndiffs(m)[1]1#结果表明序列需要进行1阶差分ndata<-diff(m,1)>ndiffs(ndata)[1]0#结果表明无需进行差分opar<-par(mfrow=c(2,1))plot(ndata,type="l",main="差分后")acf(ndata,main="自相关图",xlab="滞后阶数")par(opar)#ARMA模型的定阶及参数估计opar<-par(mfrow=c(2,1))acf(ndata)pacf(ndata)par(opar)model1<-arima(

8、m,order=c(0,1,1),method="ML")model1说明:通过上面的acf和pacf图,我们可以选取建立ARIMA(0,1,1)模型。最后估计出来的模型为:#模型检验qqnorm(model1$residuals)#残差的正态性检验qqline

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。