直接谷歌一下,“时间序列分析
R语言”,就能得到你想要的结果
以下结果来自,
作者:詹鹏 2012-9-20
22:46:46
【包】
library(zoo)
#时间格式预处理
library(xts)
#同上
library(timeSeires)
#同上
library(urca)
#进行单位根检验
library(tseries)
#arma模型
library(fUnitRoots)
#进行单位根检验
library(FinTS)
#调用其中的自回归检验函数
library(fGarch)
#GARCH模型
library(nlme)
#调用其中的gls函数
library(fArma)
#进行拟合和检验
【基本函数】
数学函数
abs,sqrt:绝对值,平方根
log,
log10,
log2
,
exp:对数与指数函数
sin,cos,tan,asin,acos,atan,atan2:三角函数
sinh,cosh,tanh,asinh,acosh,atanh:双曲函数
简单统计量
sum,
mean,
var,
sd,
min,
max,
range,
median,
IQR(四分位间距)等为统计量,sort,order,rank与排序有关,其它还有ave,fivenum,mad,quantile,stem等
假设有两组栅格数据,一组代表2019年中国每月降雨量,一组代表2019年中国每月植被叶面积指数(LAI)。想要得到中国月降水量与LAI的相关性分布,那么需要对两组栅格数据对应的栅格点进行逐栅格的相关性分析。
将降水数据导入栅格栈中,这个过程可以理解为将降水数据按时间顺序从上到下堆叠。同理,按相同的时间顺序将LAI数据堆叠。值得一提的是,stack()函数在堆叠栅格数据时是按文件名拼音和数字大小顺序自动堆叠的,具体规则可以亲自尝试。最后,将这两个栅格栈合并成一个。
对相关性分析函数稍作改变。
以上方法是可以推广的,线性回归函数lm()和相关性分析函数cor()的输入都可以是向量,因此只要函数支持向量输入,理论上讲都可以类比上述过程实现。但是如果函数只支持数据框输入,如gbm包中的函数gbm(),那就只能另辟蹊径了。