协整检验r语言代码_R语言学习笔记(一):时间序列分析
ARIMA(p,d,q)模型全称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),AR是自回归, p为自回归项; MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型,是指将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同,包括移动平均过程(MA)、自回归过程(AR)、自回归移动平均过程(ARMA)以及ARIMA过程。
*什么时候要取对数:原序列的前后数值相差较大或者数量级相差较大时,一般取对数将指数趋势转化为线性趋势,而且还不会改变变量之间的统计性质,同时得到较平稳的序列;可以消除异方差,让方差恒定,即让波动相对稳定。
http://www.zhihu.com/question/22012482
以数据集robot为例
1.打开数据并转换格式
data(robot)
x
ro
2.模型拟合,参数估计
> air.fit
> m1=arima(x = ro, order = c(1, 0, 0))> m2=arima(x = ro, order = c(0, 1, 1))
3.绘制自相关图和偏自相关图
> acf(ro,80)> pacf(ro,30)
4.导出R的数据
> write.table(robot,"robot.csv",sep=",")
5.绘制时间序列图,一次差分时间序列图,一次差分与季节差分时间序列图
> plot.ts(ro)
> plot.ts(diff(aplog)
> aplog1
> aplog222
6.绘制标准残差图,绘制残差自相关图,残差正态性检验
> plot(rstandard(m1),type="o")
> plot(rstandard(m2),type="o")
> acf(rstandard(m1))
> acf(rstandard(m2))
> shapiro.test(ro)
当p-value<0.05时,我们拒绝原假设,拒绝其符合正态分布
7.模型检验
#对估计进行诊断,判断残差是否为白噪声
> tsdiag(data.fit)
随机变量X(t)(t=1,2,3……),如果是由一个不相关的随机变量的序列构成的,即对于所有S不等于T,随机变量Xt和Xs的协方差为零,则称其为纯随机过程。对于一个纯随机过程来说,若其期望和方差均为常数,则称之为白噪声过程。白噪声过程的样本实称成为白噪声序列,简称白噪声。之所以称为白噪声,是因为他和白光的特性类似,白光的光谱在各个频率上有相同的强度,白噪声的谱密度在各个频率上的值相同。
8.模型预测
> m4 airfore4
协整检验r语言代码_R语言学习笔记(一):时间序列分析相关推荐
- mcem r语言代码_R语言阈值自回归模型(TAR)代码示例
原文链接: R语言时间序列TAR阈值模型分析tecdat.cn 阈值模型用于统计的几个不同区域,而不仅仅是时间序列.一般的想法是,当变量的值超过某个阈值时,过程可能表现不同.也就是说,当值大于阈值时 ...
- mcem r语言代码_R语言面向对象编程:S3和R6
R语言面向对象编程:S3和R6 2017-06-10 0 R语言面向对象编程:S3和R6 一.基于S3的面向对象编程 基于S3的面向对象编程是一种基于泛型函数(generic function)的实现 ...
- mcem r语言代码_R语言关于if语句missing value where TRUEFALSE needed的错误
apriori df #找出频繁候选1项集 for(i in 1:length(data)) for(j in 1:length(data[[i]])){ if(any(df$candidate == ...
- 算法导论中C语言代码,算法导论-学习笔记与进度
算法导论 阅读进度 第一部分 基础知识 第一章 计算中算法的角色 Done 1.1 算法 输入与输出 算法可以解决哪些问题 数据结构 技术 一些比较难的问题 1.2 作为一种技术的算法 效率 算法和其 ...
- 计量经济学之时间序列分析学习笔记(单位根检验、协整检验、单整阶数判断、ECM建模)——基于R(二)
一.生成时间序列 data1=matrix(0,1000,1) for(i in 1:1000) {data1[i+1]=data1[i]+rnorm(1)} plot(data1,type=&quo ...
- R语言迹检验协整关系式_R语言做协整检验
#做单位根检验# library(urca) data(finland) attach(finland) lrm1.df=ur.df(lrm1,lags=5,type="trend" ...
- R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系...
全文链接:http://tecdat.cn/?p=31108 作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题.(点击文末&quo ...
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据...
全文下载:http://tecdat.cn/?p=29221 传统上,协整检验是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的均衡(点击文末&qu ...
- rstudio中johansen协整检验代码
首先,你需要安装并加载R包"urca".然后,你可以使用以下代码来进行Johansen协整检验: library(urca)# 假设你的数据存储在数据框df中 # 第一步是将数据转 ...
最新文章
- 关闭Windows 2000/XP/2003默认共享
- mysql 高可用测试_mysql MHA高可用测试
- php 正则 菜鸟,PHP正则表达式基础入门
- [雪峰磁针石博客]大数据Hadoop工具python教程9-Luigi工作流...
- mysql 合计单条数据_mysql之数据去重并记录总数
- php重定向http请求
- scla-基础-函数-元组(0)
- Oracle如何查看表空间的大小及使用情况
- 在mini2440上面搞定CC2500驱动
- 软考-多媒体基础知识
- HG6543C1(1) --- 电信宽带天翼网关
- GE Predix 详解
- 7-2 sdust-Java-学生成绩读取与排序 (8 分)
- 太壹币——中国互金区块链组长李礼辉:发达国家对虚拟货币态度正在转变
- 试用计算机绘制*组成的图案c语言,C语言绘图与计算机仿真技术
- 146.个性化推荐系统案例介绍
- 记录一篇Spring 5的WebClient 的 重试问题
- 【web前端】html+js实现流程进度展示条
- 特征选择:概述与方法
- 面对疫情过度惶恐,想自我调节,怎么办?