R语言时间序列中文教程可编辑.docx

R语言时间序列中文教程可编辑.docx

《R语言时间序列中文教程可编辑.docx》由会员分享，可在线阅读，更多相关《R语言时间序列中文教程可编辑.docx（17页珍藏版）》请在冰豆网上搜索。

R语言时间序列中文教程可编辑

R语言时间序列中文教程（可编辑）

R语言时间序列中文教程

R语言时间序列中文教程李智在乔治梅森2012特别声明:

R语言是免费语言，其代码不带任何质量保证，使用R语言所产生的后果由使用者负全责。

前言R语言是一种数据分析语言，它是科学的免费的数据分析语言，是凝聚了众多研究人员心血的成熟的使用范围广泛全面的语言，也是学习者能较快受益的语言。

在R语言出现之前，数据分析的编程语言是SAS。

当时SAS的功能比较有限。

在贝尔实验室里，有一群科学家讨论提到，他们研究过程中需要用到数据分析软件。

SAS的局限也限制了他们的研究。

于是他们想，我们贝尔实验室的研究历史要比SAS长好几倍，技术力量也比SAS强好几倍，且贝尔实验室里并不缺乏训练有素的专业编程人员，那么，我们贝尔实验室为什么不自己编写数据分析语言，来满足我们应用中所需要的特殊要求呢,于是，贝尔实验室研究出了S-PLUS语言。

后来，新西兰奥克兰大学的两位教授非常青睐S-PLUS的广泛性能。

他们决定重新编写与S-PLUS相似的语言，并且使之免费，提供给全世界所有相关研究人员使用。

于是，在这两位教授努力下，一种叫做R的语言在奥克兰大学诞生了。

R基本上是S-PLUS的翻版，但R是免费的语言，所有编程研究人员都可以对R语言做出贡献，且他们已经将大量研究成果写成了R命令或脚本，因而R语言的功能比较强大，比较全面。

研究人员可免费使用R语言，可通过阅读R语言脚本源代码，学习其他人的研究成果。

笔者曾有幸在奥克兰大学受过几年熏陶，曾经向一位统计系的老师提请教过一个数据模拟方面的问题。

那位老师只用一行R语句就解答了。

R语言的强大功能非常令人惊讶。

为

了进一步推广R语言，为了方便更多研究人员学习使用R语言，我们收集了R语言时间序列分析实例，以供大家了解和学习使用。

当然，这是非常简单的模仿练习，具体操作是，用复制粘贴把本材料中R代码放入R的编程环境;材料中蓝色背景的内容是相关代码和相应输出结果。

经过反复模仿，学习者便能熟悉和学会。

需要提醒学习者的是:

建议学习者安装了R语言编程，再继续阅读本材料;执行R命令时，请删除命令的中文注解，没使用过在命令中加入中文;如果学习者是初次接触R或者Splus，建议先阅读，如果学习者比较熟悉R语言，还可以阅读优秀时间序列读物EcomometricsinR，也可以上QuickR网站。

目录R语言时间序列分析1前言1目录21.运用R语言研究JJ数据32.运用R语言研究空气污染193.运用R语言研究自动回归移动平均集成模型224.运用R语言研究全球变暖理论315.运用R语言研究非独立误差与线性回归326.运用R语言研究估计波动的频率367.运用R语言研究厄尔尼诺频率398.运用R语言研究太阳黑子周期频率401.运用R语言研究JJ数据学习R言语时间序列分析程序操作，需要从最基础、最简单的学起，例如在命令窗口中，输入并执行2+2等于4的R语言命令。

2+2[1]4执行完2+2等于4的R语言命令后，我们可以开始时间序列，即学着把玩johnson&Johnson数据。

下载jj.dat或执行下面语句。

这个数据已被人上传到因特网中。

R所需要做的只是将网址进行扫描就可以将数据读取进入R的编程环境中。

下面有3种不同读取数据的方法:

jjscan"

#readthedata读取数据jj-scan"#readthedataanotherway

第二种方法读取数据scan"-jj#andanother第三种方法读取数据使用R语言的人，有的喜欢使用[-]，有的喜欢使用[-]，大多数医疗系统的工作者喜欢用[]，正因为如此才用了上面种不同读取数据的方法。

读取数据后，

键入并执行jj，数据在窗口便会有如下显示:

jj[1]0.710.630.850.44[5]0.610.690.92

0.55..........[77]14.04

12.9614.859.99[81]16.2014.6716.0211.61jj中有84个数据被称作

对象。

下面命令可以显示所有对象。

objects如果使用matlab，你会认为jj

是一个84行1列的向量，但实际上不是这样。

jj有次序，有长度，但没维度，

R称这些对象为向量，要小心区别。

在R里，矩阵有维度，但向量没维度。

这都

是程序语言的一些概念。

jj[1]#thefirstelement列中第一个数据[1]

0.71jj[84]#thelastelement列中最后一个数据[1]11.61jj[1:

4]#thefirst4elements列中第一至第四个数据[1]0.710.630.850.44jj[-1:

80]#everythingEXCEPTthefirst80elements列中除第80个以外的所

有数据[1]16.2014.6716.0211.61lengthjj#thenumberofelements

有多少个数据[1]84dimjj#butnodimensions...但没维度NULLnrowjj#...norows没行NULLncoljj#...andnocolumns没列NULL#

如果你要把jj转变为一个向量，执行如下操作后，维度为84行1列。

jj

as.matrixjjdimjj[1]841然后把jj转变为一个时间序列对象。

jjts

jj,start1960,frequency4#ts命令这个数据是从1960年开始，个个季度

的收入，frequency4指四个季度。

R语言的优势在于可用一条命令做很多事，

即可以把前面的命令放在一起打包执行。

其操作如下:

jjtsscan"",start1960,frequency4在上面命令里，scan可以被read.table替代。

用read.table

读取数据可生成matrix对象，还可以给每列起名字。

下面学习一下read.table,dataframes,和时间序列对象。

输入命令后，窗口会有如下显示:

jjts

read.table",start1960,frequency4helpread.tablehelptshelpdata.frame需要注意的是，Scan和read.table不一样。

Scan生成的是有维

度的向量，read.table生成的则是带有维度的数据架构。

读取jj数据的最后

要领。

如果这个数据是从1960年第三个季度开始的，所需输入命令则为ts

x,startc1960,3,frequency4;如果是一个每月每月的数据，例如数据是从

1984年6月开始的，需要输入的命令则为tsx,startc1984,6,frequency12。

输入命令后，转变后的时间序列对象为:

jjQtr1Qtr2Qtr3Qtr419600.71

0.630.850.4419610.610.690.92

0.55..........197914.0412.9614.859.99198016.2014.6716.0211.61注意到区别了吗,时间信

息，也就是4个不同的季度的数据被加载到里面了。

进行时间数据分析后，窗

口会有如下显示:

timejjQtr1Qtr2Qtr3Qtr419601960.001960.251960.501960.7519611961.001961.251961.50

1961.75............19791979.001979.251979.501979.7519801980.001980.251980.501980.75接下来输入如下组合命令。

jjtsscan",start1960,frequency4然

后进行对数据绘图:

plotjj,ylab"EarningsperShare",main"J&J"输

入以上命令后，可以看到如下结果:

再输入下面的命令，看看区别。

plotjj,type

"o",col"blue",lty"dashed"plotdifflogjj,main"loggedanddiffed"下面利用操作两个相关命令，显示区别。

x-5:

5#

sequenceofintegersfrom-5to5y5*cosx#guessparmfrowc3,2#multifiguresetup:

3rows,2cols#---plot:

plot

x,main"plotx"plotx,y,main"plotx,y"#---plot.ts:

plot.tsx,main"plot.tsx"plot.tsx,y,main"plot.tsx,y"#---ts.plot:

ts.plotx,main"ts.plotx"ts.plottsx,tsy,col1:

2,main"ts.plotx,y"#note-xandyaretsobjects#---thehelpfiles[?

andhelparethesame]:

?

plot.tshelpts.plot?

par#mightaswellskimthegraphicalparametershelpfilewhileyou'rehere从窗口中的显示可以看出，如果数

据是时间序列对象，使用plot命令就足够了;如果数据是平常序列，使用

plot.ts也可以做时间绘图。

不过，把jj数据放在一张图上，数据会随着时

间的变化上上下下跳动，能从整体上反应上升或者下降的趋势。

上文中用红色光

滑的曲线代表上升的趋势，简单明了。

这需要将过滤和光滑的技巧使用在jj数

据上。

在这里，我们用对称的移动平均值来达到过滤和光滑的目的。

下面使用公

式:

fjjt?

jjt-2+?

jjt-1+?

jjt+?

jjt+1+?

jjt+2除

此之外，lowess的过滤平滑技巧（蓝色曲线）也要使用在jj数据中。

具体操作

如下图:

kc.5,1,1,1,.5#kisthevectorofweights用

于对称移动平均的系数kk/sumk[1]0.1250.2500.2500.2500.125fjjfilterjj,sides2,k#?

filterforhelp[butyouknewthatalready]使用对称移动平均plotjjlinesfjj,col"red"#addsalinetotheexistingplot称移动平均的绘图lineslowessjj,col"blue",lty

"dashed"#lowess的绘图操作后，窗口会显示下面结果:

看完jj数据，我们

就需要开始具体分析。

第一步，我们把所有jj数据都取log值。

第二步，我们

把log值做差，即使用log值数列中第二值减去第一值，第三值减去第二值，第

四值减去第三值等等。

如果做差处理前数列里有n个数值，处理后的结果中将有

n-1个数值。

dljjdifflogjj#differencetheloggeddata做log和差的处理plot