R语言之数据分析高级方法「时间序列」

‍‍‍‍‍‍‍‍‍

作者简介Introduction

姚某某 

知乎专栏：https://zhuanlan.zhihu.com/mydata

往期回顾：

R语言之高级数据分析「聚类分析」

本节主要总结「数据分析」的「时间序列」相关模型的思路。

「时间序列」是一个变量在连续时点或连续时期上测量的观测值的序列，它与我们以前见过的数据有本质上的区别，这个区别在于之前的数据都在一个时间的横截面上去测量、计算数据，而「时间序列」给出了一种时间轴线上纵向的视角，将时间作为自变量，测量出一系列纵向数据。

关于「时间序列」的预测模型，我所了解的常用模型有三种：1. 移动平均  2. 指数预测模型 3. ARIMA 预测模型

0. 时序的分解

要研究时序如何预测，首先需要将复杂的时序数据进行分解，将复杂的时序数据分解为单一的分解成分，这样能利用统计方法进行拟合，然后个个击破，最后再合成为我们需要预测的未来时序数据。

前人在这一问题上已经得到很好的结论，通过对时序数据现实意义的理解，一般将时序数据分解为四个成分：

1. 水平项 

2. 趋势项 

3. 季节效应（衍生出去为周期项）

4. 随机波动