R语言时间序列分析常用步骤

常用步骤代码：

#载入数据
d <- WWWusage
x <- ts(d,start = 1) # 其实WWWusage本身就是时间序列格式的，这里是为了提醒大家记得ts
plot(x)#差分并观察
x.dif <- diff(x,1,2)
plot(x.dif)
#差分序列ADF检验
library(tseries)
adf.test(x.dif) # p越小越好
#确定差分阶数d#序列纯随机性检验
for(i in 1:2)print(Box.test(x.dif, lag=6*i))
#p大，拒绝序列为白噪声的假设，说明序列有规律可提取，有研究价值，可继续建模#判断p、q
acf(x.dif)
pacf(x.dif)
#根据auto.arima辅助判断
library(forecast)
auto.arima(x.dif) # AIC 实际值越小越好
x.fit <- arima(x.dif,order = c(2,0,0));x.fit
#多对比几次结果#AIC是赤池统计量，当增加了一个变量后，如果这个变量对模型有足够的解释力，就会使赤池统计量变小
#AIC的值为负的时候也是越小越好，也就说是实际值而不是绝对值越小越好，比如-2与-1.9，就选-2那个
#AIC和BIC是似然函数和乘法函数的线性组合，不同之处在于惩罚力度不同。都是越小越好
#loglik是对数似然，模型比较时越大越好#残差白噪声检测，考察拟合效果，p越大，说明残差纯随机性越显著，信息充分提取
for(i in 1:2) print(Box.test(x.fit$residuals,lag = 6*i))#通过检测的模型进行预测
library(zoo)
library(forecast)
x.fore <- forecast(x.fit,h = 10) #预测未来10期
plot(x.fore)
x.fore

模型阶数判定：

以datasets包自带WWWusage数据为例，2阶差分后拟合模型，AIC实际值（不是绝对值）越小越好，实验如下：

win.graph();par(mfrow=c(1,2));acf(x.dif);pacf(x.dif)

结合acf图和pacf图，结果似乎是p=2，q=2最佳，但对比AIC值却不是如此：

结果表明对x <- ts(WWWusage)来说，arima(2,2,0)的拟合效果最好，AIC值为511.46。

为什么偏自相关图判断的结果不是拟合效果最好的呢？希望哪位老师同学可以指点我，谢谢！

我的微信：1961812312

更新：

之前没有对p,q作为组合代入模型寻找最小aic值，

在下一篇文章中，分析了36种组合的结果，找到aic值最小的结果为p=5,q=5，aic值为509.8135

但还是与自相关图和偏自相关图结果给出的建议不一样，这一点还是希望有老师同学指点一下！

参考文献：

https://people.duke.edu/~rnau/411arim.htm

https://bbs.pinggu.org/forum.php?mod=viewthread&action=printable&tid=226732

https://bbs.pinggu.org/thread-3226868-1-1.html

https://www.zybuluo.com/evilking/note/851533

wikimirror

感谢上帝的恩典。

另：根据ARIMA模型得到公式结果，可以参考wiki和Google的镜像资料代入得出。

更新：

R语言时间序列分析-根据aic值选择arima模型

更新2：

对于之前的问题，当(偏)自相关图给出的模型不是AIC值最优的模型时，应该选择哪一个？答案如下：

从ACF和PACF图上定性判断有时不准确，建议以量化的标准（AIC值）为准。不放心也可以再多比较一下其他指标，包括：BIC值，两个模型的残差随机性检验，最佳子集等

——网友何劼

感谢网友@没有那把剑、@ 何劼

R语言时间序列分析常用步骤相关推荐

R语言时间序列分析-根据aic值选择arima模型
在上一篇中,探讨了R语言时间序列分析常用步骤,如何比对AIC值判断最优模型?代码和解释如下: #WWWusage是datasets包自带的每分钟通过服务器连接到因特网的用户数的长度为100的时间序列数 ...
R语言时间序列分析之ARIMA模型预测
R语言时间序列分析之ARIMA模型预测今天学习ARIMA预测时间序列. 指数平滑法对于预测来说是非常有帮助的,而且它对时间序列上面连续的值之间相关性没有要求.但是,如果你想使用指数平滑法计算出预测区 ...
基于R语言时间序列分析所有指令[2021]
文章主要是总结一学期所学,基本覆盖了所有常见的指令,足够完成arima模型的数据选择到模型预测. 时间序列应用广泛,不能仅仅局限于理论学习,代码实践更为重要. 往期文章链接: 基于 ARIM ...
R语言时间序列分析小例
复习心烦,偶遇大作业,故摸鱼作业题目自由选取一组数据(可以是R 自带的数据集.或者其它来源,鼓励选取一些有趣的课题进行数据分析),利用我们这学期所学知识建立恰当模型(ARIMA.GARCH 等), ...
r软件时间序列分析论文_高度比较的时间序列分析-一篇论文评论
r软件时间序列分析论文数据科学 , 机器学习 (Data Science, Machine Learning) In machine learning with time series, using ...
R语言-时间日期函数
R语言时间日期函数 1. 返回当前日期时间,有两种方式: Sys.time() date() 举例 format(Sys.time(), "%a %b %d %X %Y %Z")# ...
时间序列分析及应用r语言pdf_R语言时间序列分析（十一）：指数平滑法
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语言之数据处理常用包
dplyr包是Hadley Wickham的新作,主要用于数据清洗和整理,该包专注dataframe数据格式,从而大幅提高了数据处理速度,并且提供了与其它数据库的接口:tidyr包的作者是Hadley ...
语言在msin函数验证_R语言时间序列分析（七）：模型准确度估计
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语言时间序列分析常用步骤

R语言时间序列分析常用步骤相关推荐

最新文章

热门文章