R语言时间序列中文教程可编辑.docx

1、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

2、，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

3、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

4、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Ecomometrics in R，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

5、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:jj scan # read the data读取数据jj - scan # read the data another way第二种方法读取数据scan - jj # and another第三种方法读取数据 使用R语言的人，有的喜欢使用 -，有

6、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 0.71 0.63 0.85 0.44 5 0.61 0.69 0.92 0.55 . . . . . . . . . . 77 14.04 12.96 14.85 9.99 81 16.20 14.67 16.02 11.61 jj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

7、里，矩阵有维度，但向量没维度。这都是程序语言的一些概念。jj1 # the first element列中第一个数据 1 0.71jj84 # the last element列中最后一个数据 1 11.61jj1:4 # the first 4 elements列中第一至第四个数据 1 0.71 0.63 0.85 0.44jj- 1:80 # everything EXCEPT the first 80 elements列中除第80个以外的所有数据 1 16.20 14.67 16.02 11.61length jj # the number of elements 有多少个数据 1 84

8、dim jj # but no dimensions .但没维度 NULLnrow jj # . no rows 没行 NULLncol jj # . and no columns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.matrix jj dim jj 1 84 1 然后把jj转变为一个时间序列对象。jj ts jj, start 1960, frequency 4 #ts 命令这个数据是从1960年开始，个个季度的收入，frequency 4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:j

9、j ts scan , start 1960, frequency 4 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, data frames, 和时间序列对象。输入命令后，窗口会有如下显示:jj ts read.table , start 1960, frequency 4 help read.table help ts help data.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

10、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,start c 1960,3 ,frequency 4 ;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ts x,start c 1984,6 ,frequency 12 。 输入命令后，转变后的时间序列对象为:jj Qtr1 Qtr2 Qtr3 Qtr4 1960 0.71 0.63 0.85 0.44 1961 0.61 0.69 0.92 0.55 . . . . . . . . . . 1979 14.04 12.96 14.85 9.99 1980

11、 16.20 14.67 16.02 11.61 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:time jj Qtr1 Qtr2 Qtr3 Qtr4 1960 1960.00 1960.25 1960.50 1960.75 1961 1961.00 1961.25 1961.50 1961.75 . . . . . . . . . . . . 1979 1979.00 1979.25 1979.50 1979.75 1980 1980.00 1980.25 1980.50 1980.75 接下来输入如下组合命令。 jj ts sc

12、an , start 1960, frequency 4 然后进行对数据绘图:plot jj, ylab Earnings per Share, 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。plot jj, type o, col blue, lty dashed plot diff log jj , main logged and diffed 下面利用操作两个相关命令，显示区别。x -5:5 # sequence of integers from -5 to 5y 5*cos x # guesspar mfrow c 3,2 # multifigu

13、re setup: 3 rows, 2 cols#- plot:plot x, main plot x plot x, y, main plot x,y #- plot.ts:plot.ts x, main plot.ts x plot.ts x, y, main plot.ts x,y #- ts.plot:ts.plot x, main ts.plot x ts.plot ts x , ts y , col 1:2, main ts.plot x,y # note- x and y are ts objects #- the help files ? and help are the sa

14、me:?plot.tshelp ts.plot ?par # might as well skim the graphical parameters help file while youre here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:fjj

15、 t ? jj t-2 + ? jj t-1 + ? jj t + ? jj t+1 + ? jj t+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:k c .5,1,1,1,.5 # k is the vector of weights用于对称移动平均的系数 k k/sum k 1 0.125 0.250 0.250 0.250 0.125fjj filter jj, sides 2, k # ?filter for help but you knew that already使用对称移动平均plot jj lines fjj, col red # adds a line to the existing plot称移动平均的绘图lines lowess jj , 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。dljj diff log jj # difference the logged data做log和差的处理plot