r语言没有forecast这个函数_R语言学习日记——时间序列分析之ARIMA模型预测

指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。但是，如果你想使用指数平滑法计算出预测区间，那么预测误差必须是不相关的，

而且必须是服从零均值、 方差不变的正态分布。即使指数平滑法对时间序列连续数值之间相关性没有要求，在某种情况下，我们可以通过考虑数据之间的相关性来创建更好的预测模型。自回归移动平均模型(

ARIMA) 包含一个确定(explicit)的统计模型用于处理时间序列的不规则部分，它也允许不规则部分可以自相关。

首先，先确定数据的差分。

ARIMA 模型为平稳时间序列定义的。 因此，

如果你从一个非平稳的时间序列开始，首先你就需要做时间序列差分直到你得到一个平稳时间序列。如果你必须对时间序列做 d

阶差分才能得到一个平稳序列，那么你就使用ARIMA(p,d,q)模型，其中 d 是差分的阶数。

我们以每年女人裙子边缘的直径做成的时间序列数据为例。从 1866 年到

1911 年在平均值上是不平稳的。 随着时间增加， 数值变化很大。

> skirts

scan("http://robjhyndman.com/tsdldata/roberts/skirts.dat",skip=5)

Read 46 items

> skirtsts

ts(skirts,start = c(1866))

>

plot.ts(skirtsts)