# 4.1

setwd('file path')
library(tseries)
library(xlsx)
library(ggplot2)
library(forecast)
library(fpp2)
library(aTSA)# 绘制该序列时序图 ----------------------------------------------------------------data4_1 <- read.xlsx('E4_1.xlsx', sheetIndex = 1)
ts.plot(data4_1$x)

# 判断平稳性和纯随机性 --------------------------------------------------------------adf.test(data4_1$x)Augmented Dickey-Fuller Testdata:  data4_1$x
Dickey-Fuller = -3.9427, Lag order = 3, p-value = 0.01919
alternative hypothesis: stationary

由于单位根检验p<0.05, 故认为该序列平稳。

Box.test(data4_1$x)Box-Pierce testdata:  data4_1$x
X-squared = 17.331, df = 1, p-value = 3.14e-05

由于LB检验p<0.05, 故认为该序列为非白噪声序列。

# 根据acf和pacf进行模型识别 --------------------------------------------------------acf(data4_1$x)
pacf(data4_1$x)

由图可见ACF拖尾， PACF 1阶截尾。

# 建立模型 --------------------------------------------------------------------fit4_1 <- arima(data4_1$x, order = c(1, 0, 0), method = "ML")# 模型检验 --------------------------------------------------------------------for (i in 1:4) {print(Box.test(fit4_1$residual, lag = 4*i, type = "Ljung-Box"))
}Box-Ljung testdata:  fit4_1$residual
X-squared = 0.49319, df = 4, p-value = 0.9742Box-Ljung testdata:  fit4_1$residual
X-squared = 6.7532, df = 8, p-value = 0.5635Box-Ljung testdata:  fit4_1$residual
X-squared = 7.5201, df = 12, p-value = 0.8214Box-Ljung testdata:  fit4_1$residual
X-squared = 12.227, df = 16, p-value = 0.7282

由于残差的各阶纯随机检验均p>0.05, 故认为残差序列已实现白噪声。

t <- abs(fit4_1$coef) / sqrt(diag(fit4_1$var.coef))
pt(t, length(data4_1$x) - length(fit4_1$coef), lower.tail = F)

ar1	intercept
9.258397e-07	4.119551e-01

由于 $\phi _{1}$ 的p值小于0.05，故认为 $\phi _{1}$ 显著不为零。

ts.diag(fit4_1, lag.seq = 1:12)

由残差的ACF、PACF、QQ和白噪声概率图可知残差已为白噪声，故认为AR(1)模型是该序列的有效拟合模型。

模型表达式： $(1 - 0.6144B)x_{t} = 0.0799 + \varepsilon _{t}$

# 模型预测 --------------------------------------------------------------------h <- 5    # 预测期数fore4_1 <- forecast::forecast(fit4_1, h = h)
plot(fore4_1, xlab = "Time", ylab = "公司盈亏（万元）")

q <- qnorm(0.975, 0, 1)L1 = fore4_1$fitted - q*sqrt(fit4_1$sigma2)
U1 = fore4_1$fitted + q*sqrt(fit4_1$sigma2)L2 = fore4_1$lower[, 2]
U2 = fore4_1$upper[, 2]L <- c(L1, L2)
U <- c(U1, U2)c1 = min(data4_1$x, L)
c2 = max(data4_1$x, U)fitted_and_mean <- c(fore4_1$fitted , fore4_1$mean)plot(data4_1$x, type = "p", pch = 8, ylim = c(c1, c2), xlab = "Time",xlim = c(min(data4_1$t), max(data4_1$t) + h), ylab = "公司盈亏（万元）")
lines(fitted_and_mean, col = 2, lwd = 2)
lines(L, col = 4, lty = 2)
lines(U, col = 4, lty = 2)

应用时间序列分析第四章课后习题（R语言实现）相关推荐

《计算机组成原理》第二版第四章课后习题解答
<计算机组成原理>第四章课后习题解答本文答案均为网上答案,作者仅将其补全组合在一起,错误之处欢迎指正. 1 ．解释下列概念主存. 辅存. Cache . RAM . SR ...
第四章课后习题及答案
第四章课后习题答案转载于:https://www.cnblogs.com/hhdn/archive/2007/05/13/744537.html
《计算机网络技术》第四章课后习题答案（全）
<计算机网络技术>第四章课后习题答案(全) 1 . IEEE802委员会提出将数据链路层划分为哪两个层次,每个层次的功能各是什么? 答: IEEE802委员会提出将数据链路层划分为两个子层 ...
尚学堂java实战第四章课后习题
尚学堂java实战第四章课后习题文章中的题目答案仅供参考选择题答案: 1.B 解析:一个java类必然存在构造器,即使没有定义构造器,也会存在一个默认的无参构造器. 2.D 3.AC 解析: A( ...
C语言程序设计第五版谭浩强第四章课后习题答案
谭浩强C语言程序设计第五版第4章课后习题答案点我看视频讲解+可运行源码记得一键三连哦第四章选择结构程序设计 1. 什么是算术运算?什么是关系运算?什么是逻辑运算? [答案解析] 算熟运算 ...
工程伦理（2021春）第四章课后习题答案
工程伦理(2021春)第一章课后习题答案工程伦理(2021春)第二章课后习题答案工程伦理(2021春)第三章课后习题答案工程伦理(2021春)第五章课后习题答案工程伦理(2021春)第六章课后 ...
数据库系统概论第四章课后习题（部分）
本文是<数据库系统概论>的第四章的部分课后习题,题目来源:[2019-2020春学期]数据库作业12:第四章:数据库安全性习题
HTML+CSS+JavaScript网页制作案例教程-黑马程序员-第四章课后习题(播放器图标)
黑马程序员编著的教材 HTML+CSS+JavaScript网页制作案例教程第四章:播放器图标-课后习题参考代码 ........ 记得关注,收藏,评论哦,作者将持续更新.... 我自己做的效果 ...
《Python语言程序设计》王恺机械工业出版社第四章课后习题答案
第四章面向对象 4.5 课后习题 (1)类和对象的关系即数据类型与变量的关系,类规定了可以用于存储什么数据,而对象用于实际存储数据,每个对象可存储不同的数据 (2)类中包含属性和方法.属性对应一个类 ...
《软件工程教程》(第2版) 主编：吴迪马宏茹丁万宁第四章课后习题参考答案
第4章总体设计课后习题参考答案一.选择题(单选或多选) (1)面向数据流的软件设计方法中,一般将信息流分为(A). A.变换流和事务流 B.变换流和控制流 C.事务流和控制流 D.数据流和 ...

应用时间序列分析第四章课后习题（R语言实现）

# 4.1

应用时间序列分析第四章课后习题（R语言实现）相关推荐

最新文章

热门文章