R语言2——时间序列分析

在统计研究中，常用按时间顺序排列的一组随机变量 来表示一个随机事件的时间序列，简记为 或 ，用 或 表示该随机序列的n个有序观察值。时间序列分析就是解释随机时序 的性质，它通过分析它的观察值序列 的性质，由观察值序列的性质来推断随机时序 的性质。
第一步，在R环境下将数据导入，生成时序对象。数据导入在上一节中已经有写过，在此不赘述。

tproduction<-ts(production,start=c(1962,1),frequency=12)
tproduction
plot(production)

ps：读取时间序列的部分数据采用代码：

tproduction.subset<-window(tproduction,start=c(1966,5),end=c(1972,6))

这样，时间序列已经生成。从图像上来看，序列总体呈上升趋势，序列属于非平稳序列。
第二步，对时序数据进行描述和可视化，通常采用对时序平滑化探究其总体趋势，并对其进行分解以观察时序中是否存在季节性因素。平滑处理是为了去除时间序列显著的随机或误差成分。存在季节性因素的时间序列数据可以通过季节性分解，分解为趋势因子、季节性因子和随机因子。其中趋势因子能捕捉到长期变化；季节性因子能捕捉到一年内的周期变化；随机因子能捕捉到那些不能被趋势或季节效应解释的变化。
时序数据中通常有很显著的随机或误差成分。为了辨明数据中的规律，撇开这些波动，最简单的办法就是进行简单移动平均。如果每个数据点都可用这一点和其前后两个点的平均值来表示，这就是居中移动平均。R中有几个函数可以做简单移动平均，包括TTR包中的SMA（）函数，zoo包中的rol