Sequence Generation:
生成规律的序列。seq是一个带有默认方法的标准通用。seq.int是一种原始的东西,它可以快得多,但也有一些限制。seq_along和seq_len是两个常见情况的参数。
使用方法:
参数说明:
from :生成向量的起点。
to :生成向量的终点。
by :序列的增量,默认步长为1(可修改)。
length.out :这个序列的输出长度。
对于seq和seq.int来说,如果分数的话,将会被四舍五入。
参考1: R语言中seq函数的用法
参考2:
>format(t$dates[1], "%Y")[1] "2010"
>format(t$dates[1], "%m")
[1] "01"
>format(t$dates[1], "%d")
[1] "29"
在R中生成时间序列的前提是我们将分析对象转成时间序列函数对象,包括观测值、起始时间、种植时间、及周期(月、季度、年)的结构。这些都能通过ts( )函数实现。
R语言中,对时间序列数据进行分析处理时,使用差分函数要注意:差分函数diff()不带参数名的参数指滞后阶数,也就是与滞后第几阶的数据进行差分。如果要指定差分的阶数,则一定要使用带名称的参数:diff=2。
例如: sample表示样本数据。
1、diff(sample,2)表示是对滞后2阶的数据进行差分,一阶差分,等同于: diff(sample,lag=2)
2、diff(sample,diff=2)才是表示二阶差分
意:在函数中尽量避免使用没有命名的参数。在《时间序列分析及应用-R语言(第2版)》中,P315,描述到: 我们得到的教训就是,除非完全了解相关参数的位置,否则使用未命名参数是非常危险的。
截尾是指时间序列的自相关函数(ACF)或偏自相关函数(PACF)在某阶后均为0的性质(比如AR的PACF);
拖尾是ACF或PACF并不在某阶后均为0的性质(比如AR的ACF)。
拖尾 :始终有非零取值,不会在k大于某个常数后就恒等于零(或在0附近随机波动)
截尾 :在大于某个常数k后快速趋于0为k阶截尾
AR模型:自相关系数拖尾,偏自相关系数截尾;
MA模型:自相关系数截尾,偏自相关函数拖尾;
ARMA模型:自相关函数和偏自相关函数均拖尾。
根据输出结果, 自相关函数图拖尾,偏自相关函数图截尾 ,且n从2或3开始控制在置信区间之内,因而可判定为AR(2)模型或者AR(3)模型。