r语言结构方程模型可视化_R语言时间序列分析(二):ts对象及其可视化
作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等,著有《R语言数据高效处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏:R语言数据挖掘。邮箱:huang.tian-yuan@qq.com.欢迎合作交流。
R语言具有深厚的统计学渊源,因此基本包中有一种数据类型专门是为时间序列设计的,那就是ts。直观地思考,一个时间序列数据,其实就是一个数值型向量而已。那么时间序列的数值型向量有什么不同的地方呢?如果能够理解这一点,就能够迅速掌握ts的数据结构。
每一个向量,其实都需要有一个时刻与之对应,而这个时间是我们都能认同的时间系统,即可。比如我们现在要定义1到10这个向量,分别是2001年到2010年的数据。可以这么操作:
ts(data = 1:10,start = 2001,end = 2010)Time Series:
Start = 2001
End = 2010
Frequency = 1 [1] 1 2 3 4 5 6 7 8 9 10
这里定义了起止年份,其实也可以只定义起点就可以了,因为默认的周期是1。也就是说上面的代码其实默认参数frequency = 1。如果不是1会出现什么状况?我们定义为4试试看:
ts(data = 1:10,start = 2001,frequency = 4)Qtr1 Qtr2 Qtr3 Qtr4
2001 1 2 3 4
2002 5 6 7 8
2003 9 10
那么就默认数据是1年有4个季节的数据。同理,如果向量中是连续的月份数值,那么frequency应该设置为12,周则为52,日则为365。比如我们的数据是从2001年2月1日开始的,然后我们拥有的是日尺度的数据,一共有连续400天的数据,那么应该这样设置:
ts(data = 1:400,start = c(2001,2,1),frequency = 365)Time Series:
Start = c(2001, 2)
End = c(2002, 36)
Frequency = 365 [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24[25] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48[49] 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72[73] 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96[97] 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
[121] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144
[145] 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168
[169] 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192
[193] 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216
[217] 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240
[241] 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264
[265] 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288
[289] 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312
[313] 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336
[337] 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360
[361] 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384
[385] 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
总体而言,如果start放的是年份,frequency就是一年你有多少个这种数值(多少天、多少周、多少月)。其实start也可以放其他东西,只要心中有数,一个是步长,一个是频率即可。
至于时间序列的可视化,基本包的plot肯定是没有问题的,不过这里推荐使用fpp2这个包,是专门针对我们之前所用教程的,它是基于ggplot2的。下面我们就用这个包来试试:
library(pacman)
p_load(fpp2)autoplot(a10)
这个包会有很多很多的便捷之处,有待我们后面慢慢探索。先给出包的链接:
CRAN - Package fpp2cran.r-project.org
r语言结构方程模型可视化_R语言时间序列分析(二):ts对象及其可视化相关推荐
- r语言清除变量_R语言:结构方程模型、潜变量分析
原文链接: R语言:结构方程模型.潜变量分析tecdat.cn 结构方程模型入门 介绍 对于熟悉线性回归拟合结构方程模型的分析师来说,在R环境中,拟合结构方程模型涉及学习新的建模语法,新的绘图语法以 ...
- R语言结构方程模型(SEM)在生态学领域中的应用
前言:结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归.因子分析.协方差分析等方法,利用图形化模型方式清晰 ...
- R语言结构方程模型分析与应用
(R语言平台:模型构建.拟合.筛选及结果发表全流程:潜变量分析:组成变量分析:非线性关系处理.非正态数据.分组数据.嵌套数据分析与处理:混合效应模型:贝叶斯方法:经典案例练习及解读) 现代统计学理论和 ...
- R语言:结构方程模型sem、潜变量分析
原文链接:http://tecdat.cn/?p=3071 对于熟悉线性回归拟合结构方程模型的分析师来说,在R环境中,拟合结构方程模型涉及学习新的建模语法,新的绘图语法以及通常是新的数据输入方法(点击 ...
- R语言结构方程模型(SEM)在生态学领域中的实践
结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归.因子分析.协方差分析等方法,利用图形化模型方式清晰展示研 ...
- R语言结构方程模型(SEM)教程
详情点击链接:R语言结构方程模型(SEM)在生态学应用 结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归. ...
- R与结构方程模型(1):SEM的核心
R与结构方程模型 简介 图形模型 有向图(directed graphs) 1.标准回归模型 2.路径分析 2.1.关系类型 2.2.多个目标 2.3.间接效应 2.4.多中介模型 2.4.例子 间接 ...
- R与结构方程模型(2):潜变量
R与结构方程模型 降维 主成分分析 因子分析(Factor Analysis) 结构和测量模型 因子分析的其他问题 术语 潜变量的其他用途 总结 R包 原文链接:https://m-clark.git ...
- R语言结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
最近我们被客户要求撰写关于SEM的研究报告,包括一些图形和统计输出. 1 简介 在本文,我们将考虑观察/显示所有变量的模型,以及具有潜在变量的模型.第一种有时称为"路径分析",而后 ...
- r 多元有序logistic回归_R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用...
原文链接 拓端数据科技 / Welcome to tecdattecdat.cn 通常,我们在回归模型中一直说的一句话是" 请查看一下数据 ". 在上一篇文章中,我们没有查看数据 ...
最新文章
- SQL Server 2005的安装,SQL Server 2005系列之一
- Node.js 开发技能图谱
- 信息学奥赛C++语言:与 7 无关的数的个数
- php 判断苹果还是安卓,PHP简单判断iPhone、iPad、Android及PC设备的方法
- vfpodbc.dll下载, 各版本下载,包含所有版本
- Unity3D研究院之mac上从.ipa中提取unity3D游戏资源
- r语言的runmed函数_干旱指数新宠—SPEI的C语言版、R语言版与单独执行软件SPEI Calculator...
- Laravel 数据库迁移
- HDU 1402(FFT,NNT)
- 最长不含重复字符的子串
- Eclipse中如何查看使用的JDK版本?
- stm32 串口下载(ISP下载)
- 《MySQL必知必会》学习笔记——组合查询、全文本搜索
- 计算机cpu和显卡的搭配要求,如何搭配CPU和显卡最合理
- java实现hj协议_HJ212协议java 实现 封装好的环保212协议代码 - 下载 - 搜珍网
- Ola Hallengren 脚本 经常问的问题
- gdb调试,splint_valgrind代码检查
- php管理ssr,基于宝塔面板开发ssrpanel一键脚本 | 刺客博客 - 刺客博客
- csdn怎么提问问题?
- 室内定位技术WIFI,蓝牙,UWB一较高下,新导智能浅析哪家是王者
热门文章
- openstack部署过程中问题记录
- Docker-创建支持ssh服务的镜像
- 《C++ Primer Plus》10.3 类的构造函数和析构函数 学习笔记
- MySQL性能优化的21个最佳实践 和 mysql使用索引
- AddHandler php5-script .php\AddType text/html .php和AddType application/x-httpd-php .php的区别?...
- android悬浮控件-仿360手机助手应用详情页
- ubuntu 压缩率最高的软件_[图]Linux六大压缩算法横评:Ubuntu 19.10最终选择LZ4
- python sklearn 梯度下降法_Python- sklearn之梯度下降算法原理
- Mac Crack路欧词典(所有版本)
- 为什么你很努力,进步却很慢?