R(语言)做时间序列(ARIMA)的案例

R(语言）做时间序列（ARIMA）的案例

如何用R做单变量的时间序列？

---加载时间序列程序包

library(tseries)

--使用该包自带的程序，是指航空乘客的分布

air<- AirPassengers

--作这个时间序列的图,通过图作一个直观判断

ts.plot(air)

--查看自相关图

acf(air)

--查看偏相关图

pacf(air)

--初步判断

--1、有趁势。2、可能有季节性。3、应该使用MA（）模型来拟合--通过decompose 进行分解：随机、趋势、季节

x<-decompose(air)

---作图查看

plot(x)

plot(x$seasonal)

---选择合适的模型拟合

---趋势通过差分来消除

---季节性因素，确定相应的period

air.fit<- arima(air,order=c(0,1,1), seasonal=list(order=c(0,1,1), period=12))

---对结果进行诊断

tsdiag(air.fit)

--加载时间序列包

library(forecast)

--向前预测12期，默认情况下24期

--给出80%，95%置信度下的置信区间

air.forecast<- forecast(air.fit,12)

plot.forecast(air.forecast)

这里只是简单用到R自带的数据做了一个简单的演示过程，找个时间我再完整写一篇关于时间序列建模过程的文章，以及如何判断时间序列的P、Q、I等参数的确定。