【转】时间序列分析——基于R，王燕

最新推荐文章于 2023-06-05 10:35:58 发布

weixin_30780221

最新推荐文章于 2023-06-05 10:35:58 发布

阅读量6.3k

点赞数 10

CC 4.0 BY-SA版权

文章标签： r语言

原文链接：http://www.cnblogs.com/wwwwwei/p/10921707.html

本文是《时间序列分析——基于R》王燕的读书笔记，介绍了时间序列分析的基本概念、预处理方法、平稳与非平稳序列的识别、ARMA模型以及多元时间序列分析。内容涵盖单位根检验、移动平均法、指数平滑法、ACF图、差分处理、ARIMA模型等关键知识点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《时间序列分析——基于R》王燕，读书笔记

笔记：

一、检验：

1、平稳性检验：

图检验方法：

时序图检验：该序列有明显的趋势性或周期性，则不是平稳序列

自相关图检验：（acf函数）平稳序列具有短期相关性，即随着延迟期数k的增加，平稳序列的自相关系数ρ会很快地衰减向0（ 指数级衰减），反之非平稳序列衰减速度会比较慢

构造检验统计量进行假设检验：单位根检验adfTest()——fUnitRoots包

2、纯随机性检验、白噪声检验（Box.test（data，type，lag=n）——lag表示输出滞后n阶的白噪声检验统计量，默认为滞后1阶的检验统计量结果）

1、Q统计量：type=“Box-Pierce”

2、LB统计量：type=“Ljung-Box”

二、模型

1、ARMA平稳序列模型

1.1平稳性检验

1.2ARMA的p、q定阶——acf（），pacf（），auto.arima（）自动定阶

1.3建模arima()

1.4模型显著性检验：残差的白噪声检验Box.test（）；参数显著性检验t分布

2、非平稳确定性分析

2.1趋势拟合：直线、曲线（一般是多项式，还有其它函数）

2.2平滑法

移动平均法：SMA()——TTR包

指数平滑法：HoltWinters()

3、非平稳随机性分析

3.1ARIMA

1平稳性检验，差分运算

2拟合ARMA

3白噪声检验

3.2疏系数模型arima（p,d,f）

3.3季节模型

可以叠加的模型

4、残差自回归模型：

4.1建立线性模型

4.2对滞后的因变量间拟合线性模型，对模型做残差自相关DW检验。dwtest()——lmtest包，增加选项order.by指定延迟因变量

4.3对残差建立ARIMA模型

5、条件异方差模型：异方差检验：LM检验ArchTest（）——FinTS包，用ARCH、GARCH模型建模

第一章简介

统计时序分析方法：

1、频域分析方法

2、时域分析方法

步骤：

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。