与小猪蹄子学习时间序列分析有感
关于非平稳时间序列分析学习有感
通常来说,很多给定的数据并不都是平稳的,比如具有长期趋势,或者长期趋势和季节效应兼有。这些因素影响着序列的变化。这个时间序列分析课程是我和小猪蹄子一起在蹭的课,本次博客的数据来自与小猪蹄子的分享——1952年至1988年的某市农业生产指数。
Step1:获得观察值序列,作出时序图
library(tseries)
library(forecast)
x<-read.csv(file.choose())
ts1<-ts(x$农业,start=1952)
plot(ts1)
这里由于每次上课小猪蹄子都会提醒我装R包,所以在自己的电脑上也养成了每次都library的习惯
观察到该序列有明显的长期趋势,并进行下一步差分。
Step2:进行差分,并计算ACF和PACF(先尝试进行1阶差分线性拟合模型)
par(mfrow=c(2,2))
ts1.diff1<-diff(ts1)
plot(ts1)
plot(ts1.diff1)
acf(ts1.diff1)
pacf(ts1.diff1)
观察ACF和PACF图可以看到,显示出除了延迟1阶的自相关系数显著非零,其他阶数的自相关阶数均在2倍标准差范围之内,显示出很强的短期相关性,所以可以认为1阶差分后序列平稳。综合考虑自相关图和偏自相关图的属性,可以认为自相关系数1阶结尾,偏自相关系数拖尾,所以对原序列拟合ARIMA(0,1,1)模型。(这里是张猪蹄子向我科普的)
Step3:拟合ARIMA(0,1,1)模型
ts1.fit<-arima(ts1,order=c(0,1,1))
ts1.fit
Step4: 残差白噪声检验
for(i in 1:2)print(Box.tset(ts1.fit$residual.lag=6*i))
观察残差白噪声检验P值可得该模型显著成立。
得到拟合模型为:
xt=xt−1+εt+0.7355εt−1,εt∼N(0,61.95)x_t=x_{t-1}+\varepsilon_t+0.7355\varepsilon_{t-1},\varepsilon_t\sim N(0,61.95)xt=xt−1+εt+0.7355εt−1,εt∼N(0,61.95)
Step5:预测序列为期5年的预测,置信度为95%
ts1.fore<-forecast(ts1.fit,h=5,level=0.95)
ts1.fore
得到5年的预测结果,分析结束。
时间序列这一章将会一直更新到我和小猪蹄子一起上完这节课。
感谢你那么漂亮或者那么帅气能来看我的博客~
与小猪蹄子学习时间序列分析有感相关推荐
- SPSS分析技术:时间序列分析的ARIMA模型;考虑各种促销因素的服装销售额预测
基础准备 学习积累的过程,是量变到质变的过程.草堂君在前面介绍了时间序列分析的多篇文章,这些文章的安排都是按照循序渐进学习时间序列分析的过程来安排的,大家可以点击下方的链接回顾: 数据分析技术:时间序 ...
- GEE|时间序列分析(三)
学习时间序列分析的第三天..前两天自作主张选了另一个数据集,不知道代码哪里改错了,结果有点离谱.还是换回教程上的数据集,先把流程跑通再改. 以下代码包括去趋势.谐波分析.自协方差和自相关: var t ...
- 【组队学习】【30期】时间序列分析
时间序列分析 航路开辟者:李岳昆.易远哲 领航员:王洲烽 航海士:李岳昆.易远哲 基本信息 开源内容:https://github.com/datawhalechina/team-learning-d ...
- 《统计学》学习笔记之时间序列分析和预测
鄙人学习笔记 文章目录 时间序列分析和预测 时间序列及其分解 时间序列的描述性分析 时间序列预测的程序 确定时间序列成分 选择预测方法 预测方法的评估 平稳序列的预测 简单平均法 移动平均法 指数平滑 ...
- 时间序列分析的学习与应用(一)
时间序列分析的学习与应用(一) 前言 一:时间序列分析的一些基础性知识 二:相关系数和自相关函数 三:白噪声序列 四:平稳性检验原理 五:实现白噪声检验算法 六:编写单位根检验算法 七:总结 前言 接 ...
- 时间序列分析的表示学习时代来了?
微信公众号"圆圆的算法笔记",持续更新NLP.CV.搜推广干货笔记和业内前沿工作解读~ 后台回复"交流"加入"圆圆的算法笔记"交流群:回复& ...
- 王燕《应用时间序列分析》学习笔记2
平稳时间序列分析 一个序列经过预处理被识别为平稳非白噪声序列,就说明该序列是一个蕴含着相关信息的平稳序列.在统计上,我们通常是建立一个线性模型来拟合该序列的发展,借此提取该序列中的有用信息.ARMA( ...
- 数学建模学习笔记(15)时间序列分析
时间序列分析 时间序列分析概述和数据预处理 时间序列分解模型 指数平滑模型 ARIMA模型 SPSS专家建模器的使用步骤 时间序列分析概述和数据预处理 时间序列的概念:也称为动态序列,是指将某种现象的 ...
- 统计学习之时间序列分析
一.什么是时间序列 1.定义 按照时间的顺序把一个随机事件变化发展的过程记录下来 就构成了一个时间序列. 对时间序列进行观察.研究,找寻它变化发展的规律,预 测它将来的走势就是时间序列分析. 2.栗子 ...
最新文章
- 利用Linux的文件命名规范在Windows中建立“高权限”文件
- 白话:服务降级与熔断的区别
- 递归 反转链表 c语言程序,C语言反转链表的递归算法
- VS Code 的常用快捷键和插件
- 致我的2018 你好2019
- CSS height高度 和 width宽度
- myeclipse部署ssh项目工程
- mysql url认证_Springboot+shiro基于url身份认证和授权认证
- 手把手教你实现热更新功能,带你了解 Arthas 热更新背后的原理
- c# 字符串编码问题
- 打飞机小游戏,附带源码
- 学习笔记-Matlab算法篇-动态规划
- 多目标进化算法(二)——非支配排序/NSGA-II
- 作品交流:数字通信同步技术资源下载
- 【爆笑】句经典流行俏皮语【爆笑】[
- 公司邮箱登录入口哪个方便,邮箱移动办公哪个最好用?
- 重庆美食地图(绝对霸道)
- 人工智能发展如何,未来有哪些就业方向?
- go zap + lumberjack 日志按大小分割demo整理
- postgresql 数据备份命令及增量pg_wal配置