R语言时间序列分析

目录

概述

1、什么是时间序列分析

2、时间序列分析的应用

时间序列的基本操作

1、转换时间序列

2、绘制时间序列图

平稳性检验

1、时序图

2、自相关acf()

 3、偏自相关pacf()

4、单位根（ADF）检验

差分

1、什么是差分

2、计算差分ndiffs()

3、差分diff()

纯随机性检验

ARMA模型——自回归移动平均模型

1、什么是ARMA模型

2、ARMA建模流程

3、模型判定

4、建模arima()

5、自动定阶建模auto.arima()

6、模型检验

7、预测forecast()

8、尼罗河流量分析案例

ARIMA模型——自回归差分移动平均模型

1、什么是ARIMA模型

2、ARIMA模型的应用

3、大气co2含量趋势分析案例

---

概述

1、什么是时间序列分析

首先了解一下什么是时间序列，时间序列是随着时间的推移变化的连续数据就。通常是由一系列时间戳和相应的数值组成的，例如某电商6个月的销售额，如图所示。

而时间序列分析则主要用于研究时间序列的统计学方法，即这段时间内发生了什么以及接下来将会发生什么，其主要目的是根据已有的历史数据对未来进行预测。例如，我们记录某地区第一个月，第二个月，…，第N个月的降雨量，然后利用时间序列分析方法，就可以对未来各月的降雨量进行预测。