2022年11月23日您要分析时间序列数据的第一件事就是将其读入R,并绘制时间序列。您可以使用scanR语言实战之时间序列分析
萌弟
生活就像马尔可夫链，决定未来的只有现在，过去的终将埋葬。
来自专栏R语言实战学习
前面的线性回归探讨的是横截面（cross-sectional）数据。在横截面数据集中，我们是在一个给定的时间点测量变量值。与之相反，纵向（longitudinal）数据则是随着时间的变化反复测量变量值。若持续跟踪某一现象，可能会获得很多了解。 对时序数据的研究包括两个基本问题： 对数据的描述 （这段时间内发生了什么）以及预测（接下来将会发生什么） 。我们可能有如下疑问。
Johnson &Johnson股价在这段时间内有变化吗？
数据会受到季度影响吗？股价是不是存在某种固定的季度变化？
我们可以预测未来的股价吗？如果可以的话，准确率有多高？
描述时序数据和预测未来值的方法有很多，而R软件具备很多其他软件都不具备的精细时序分析工具。
将分析的几个时序数据集，这些数据集在R中都可以找到，它们各有特点，适用的模型也各不相同。
本文首先介绍生成、操作时序数据的方法，对它们进行描述并画图，将它们分解成水平、趋势、季节性和随机（误差）等四个不同部分。在此基础上，我们采用不同的统计模型对其进行预测。将要介绍的方法包括基于加权平均的指数模型，以及基于附近数据点和预测误差间关联的自回归积分移动平均（ARIMA）模型。我们还将介绍模型拟合和预测准确性的评价指标。
本章内容：
在 R 中生成时序对象
时序的平滑化和季节性分解
自己解决了这个麻烦。抓取的数据先在excel里加工好，然后复制到txt文本里，再把后缀名改为.csv。设置好目录后，加载xts包，直接输入as.xts(read.zoo(‘name.csv’,header=T))就OK了，可以通过head()查看是否正确。我以前是在excel里另存为csv格式，百度上说CSV档如果以EXCEL开启，由于计算机档案数据转换的原因，会将其CRC之数值改做科学记号方式储存，而造成档案中的 CRC值发生错误。R语言的基础包中提供了两种类型的时间数据，一类是Date日期数据，它不包括时间和时区信息，另一类是POSIXct/POSIXlt类型数据，其中包括了日期、时间和时区信息。一般来讲，R语言中建立时序数据是通过字符型转化而来，但由于时序数据形式多样，而且R中存贮格式也是五花八门，例如Date/ts/xts/zoo/tis/fts等等。lubridate包，timeDate包，都有用。看来还要多学习啊。
时间序列数据是同一对象跨时间的观察值的向量 所以必须按照一定顺序(X1, X2, ..., Xt)横截面数据一般是同一时点对不同对象的观察值的集合 顺序的改变应该不影响计量的结果{X1, X2, ..., Xn}
