当前位置: 首页 > news >正文

时间序列分析 # 平稳性检验和ARMA模型的识别与定阶 #R语言

  1. 掌握单位根检验的原理并能解读结果;
  2. 掌握利用序列的自相关图和偏自相关图识别模型并进行初步定阶。

原始数据在文末!!!

练习1、根据某1971年9月-1993年6月澳大利亚季度常住人口变动(单位:千人)的数据(行数据)(题目1数据.txt),求:

(1)通过时序图、样本自相关图、单位根检验,判断该序列的平稳性;

(2)判断该序列的纯随机性;

(3)如果序列平稳且非白噪声,绘制样本自相关图(ACF)和偏自相关图(PACF),根据相关性特征,选择适当模型拟合该序列的发展。

data1 <- scan("F:/时间序列分析/实验5/习题数据/题目1数据.txt")
x1 <- ts(data1,start = c(1971,3),frequency = 4)
plot(x1)#时序图
acf(x1)#自相关图
install.packages("aTSA")
library(aTSA)
adf.test(x1)#单位根检验for(i in 1:2)print(Box.test(x1,type = "Ljung-Box",lag = 6*1))#白噪声检验
pacf(x1)#偏自相关图

结果分析:

  1. 时序图:

该序列始终在常数50附近波动,且波动范围有界。无明显的趋势性或周期性。该序列是平稳序列。

自相关图:

显示除了lag=0.75和lag=2的自相关系数在2倍标准差范围之外,其他阶数的自相关系数都在2倍标准差范围内波动。可以判断该序列具有短期相关性,进一步确定序列平稳。

单位根检验:

检验结果显示该序列可认为是平稳序列(带漂移项1-2阶滞后模型和既有漂移项又有趋势项的1-2阶滞后模型的P值小于0.05)。

adf.test(x1)

Augmented Dickey-Fuller Test

alternative: stationary

Type 1: no drift no trend

     lag    ADF p.value

[1,]   0 -2.719   0.010

[2,]   1 -1.531   0.128

[3,]   2 -0.928   0.345

[4,]   3 -0.698   0.428

Type 2: with drift no trend

     lag    ADF p.value

[1,]   0 -10.12   0.010

[2,]   1  -6.41   0.010

[3,]   2  -3.56   0.010

[4,]   3  -2.32   0.207

Type 3: with drift and trend

     lag    ADF p.value

[1,]   0 -10.48  0.0100

[2,]   1  -6.88  0.0100

[3,]   2  -3.92  0.0172

[4,]   3  -2.57  0.3362

----

Note: in fact, p.value = 0.01 means p.value <= 0.01

2.白噪声检验:

延迟6阶和延迟12阶的LB统计量的P值为都小于α=0.05,则拒绝原假设,认为序列不是白噪声序列。

    Box-Ljung test

data:  x1

X-squared = 17.858, df = 6, p-value = 0.006597

    Box-Ljung test

data:  x1

X-squared = 17.858, df = 6, p-value = 0.006597

3.偏自相关图:

除了lag=0.75,lag=1,lag=1.75偏自相关系数非常显著地≠0,之后其他阶数的偏自相关系数都迅速地向0值靠拢。

练习2、根据某城市过去四年每个月人口净流入数量(行数据)(题目2数据.txt),求:

(1)通过时序图、样本自相关图、单位根检验,判断该序列的平稳性;

(2)判断该序列的纯随机性;

(3)如果序列平稳且非白噪声,绘制样本自相关图(ACF)和偏自相关图(PACF),根据相关性特征,选择适当模型拟合该序列的发展。

Data2 <- scan("F:/时间序列分析/实验5/习题数据/题目2数据.txt")
x2 <- ts(data2,start = c(2018,1),frequency = 12)
plot(x2)#时序图
acf(x2)#自相关图library(aTSA)
adf.test(x2)#单位根检验for(i in 1:2)print(Box.test(x2,type = "Ljung-Box",lag = 6*1))#白噪声检验
pacf(x2)#偏自相关图

结果分析:

  1. 时序图:

该序列始终在常数4附近波动,且波动范围有界。无明显的趋势性或周期性。该序列是平稳序列。

自相关图:

显示除了lag=1/12的自相关系数在2倍标准差范围之外,其他阶数的自相关系数都在2倍标准差范围内波动。可以判断该序列具有短期相关性,进一步确定序列平稳。

单位根检验:

检验结果显示该序列可认为是平稳序列(带漂移项1-2阶滞后模型和既有漂移项又有趋势项的1-3阶滞后模型的P值小于0.05)。

Augmented Dickey-Fuller Test

alternative: stationary

Type 1: no drift no trend

     lag    ADF p.value

[1,]   0 -1.121   0.274

[2,]   1 -0.960   0.331

[3,]   2 -0.731   0.413

[4,]   3 -0.986   0.322

Type 2: with drift no trend

     lag   ADF p.value

[1,]   0 -4.03  0.0100

[2,]   1 -4.49  0.0100

[3,]   2 -3.11  0.0356

[4,]   3 -2.93  0.0503

Type 3: with drift and trend

     lag   ADF p.value

[1,]   0 -4.54  0.0100

[2,]   1 -5.74  0.0100

[3,]   2 -4.33  0.0100

[4,]   3 -3.81  0.0255

----

Note: in fact, p.value = 0.01 means p.value <= 0.01

2.白噪声检验:

延迟6阶和延迟12阶的LB统计量的P值为都大于α=0.05,则接受原假设,认为序列是白噪声序列。

Box-Ljung test

data:  x2

X-squared = 11.938, df = 6, p-value = 0.06336

Box-Ljung test

data:  x2

X-squared = 11.938, df = 6, p-value = 0.06336

3.偏自相关图:

除了1/12阶偏自相关系数非常显著地≠0,之后其他阶数的偏自相关系数都迅速地向0值靠拢,序列平稳。

练习3、根据1975-1980年夏威夷岛莫那罗亚火山每月释放的CO2数据(题目3数据.txt),求:

(1)通过时序图、样本自相关图、单位根检验,判断该序列的平稳性;

(2)判断该序列的纯随机性;

(3)如果序列平稳且非白噪声,绘制样本自相关图(ACF)和偏自相关图(PACF),根据相关性特征,选择适当模型拟合该序列的发展。

data3 <- scan("F:/时间序列分析/实验5/习题数据/题目3数据.txt")
x3 <- ts(data3,start = c(1975,1),frequency = 12)
plot(x3)#时序图
acf(x3)#自相关图library(aTSA)
adf.test(x3)#单位根检验for(i in 1:2)print(Box.test(x3,type = "Ljung-Box",lag = 6*1))#白噪声检验
pacf(x3)

结果分析:

  1. 时序图:

该序列呈现出逐年的上升趋势且存在明显的周期性。该序列不是平稳序列。

自相关图:

显示大部分的自相关系数在2倍标准差范围之外,可认为该自相关数很大,显著非零。可以判断该序列是非序列平稳。

单位根检验:

检验结果显示该序列可认为是平稳序列(带漂移项1阶滞后模型和既有漂移项又有趋势项的1-3阶滞后模型的P值小于0.05)。

Augmented Dickey-Fuller Test

alternative: stationary

Type 1: no drift no trend

     lag   ADF p.value

[1,]   0 0.770   0.861

[2,]   1 0.277   0.720

[3,]   2 0.417   0.760

[4,]   3 0.448   0.769

Type 2: with drift no trend

     lag   ADF p.value

[1,]   0 -1.63   0.472

[2,]   1 -4.16   0.010

[3,]   2 -2.43   0.164

[4,]   3 -1.64   0.465

Type 3: with drift and trend

     lag   ADF p.value

[1,]   0 -2.49   0.368

[2,]   1 -8.69   0.010

[3,]   2 -6.03   0.010

[4,]   3 -5.25   0.010

----

Note: in fact, p.value = 0.01 means p.value <= 0.01

2.白噪声检验:

延迟6阶和延迟12阶的LB统计量的P值为都小于α=0.05,则接受原假设,认为序列不是白噪声序列。

Box-Ljung test

data:  x3

X-squared = 139.5, df = 6, p-value < 2.2e-16

Box-Ljung test

data:  x3

X-squared = 139.5, df = 6, p-value < 2.2e-16

3.偏自相关图:

除了延迟1阶的偏自相关系数非常显著地≠0,之后其他阶数的偏自相关系数都迅速地向0值靠拢,这是一个典型的相关系数1阶结尾特征。

需要本练习原始数据请自行跳转下载:

博文:‘平稳性检验和ARMA模型的识别与定阶’训练数据资源-CSDN文库

相关文章:

时间序列分析 # 平稳性检验和ARMA模型的识别与定阶 #R语言

掌握单位根检验的原理并能解读结果&#xff1b;掌握利用序列的自相关图和偏自相关图识别模型并进行初步定阶。 原始数据在文末&#xff01;&#xff01;&#xff01; 练习1、根据某1971年9月-1993年6月澳大利亚季度常住人口变动&#xff08;单位&#xff1a;千人&#xff09;的…...

算法-日期问题

算法-日期问题 1.判断是否闰年 int is_leap(int y) {if((y%4000)||(y%40&&y%100!0)){return 1;}return 0; }2.每个月的天数 const int months[]{0,31,28,31,30,31,30,31,31,30,31,30,31};3.计算当前年当前月的天数 int get_month_days(int year,int month) {int re…...

《由浅入深学习SAP财务》:第2章 总账模块 - 2.6 定期处理 - 2.6.5 年末操作:维护新财政年度会计凭证编号范围

2.6.5 年末操作&#xff1a;维护新财政年度会计凭证编号范围 财务系统的维护者要在每年年末预先设置好下一年度的会计凭证编号范围&#xff08;number range&#xff09;&#xff0c;以便下一年度会计凭证能够顺利生成。这一操作一定要在下一年度1月1日以前预先完成。 …...

2024年第十七届“认证杯”数学中国数学建模网络挑战赛A题思路

A题 保暖纤维的保暖能力 冬装最重要的作用是保暖,也就是阻挡温暖的人体与寒冷环境之间的热量传递。人们在不同款式的棉衣中会填充保暖材料,从古已有之的棉花,羽绒到近年来各种各样的人造纤维。不同的保暖纤维具有不同的保暖性能,比如人们以往的经验表明,高品质的羽绒具有…...

Linux 添加启动服务--Service

1&#xff0c;服务配置service文件 Service 服务的实际作用是开启后自动启动服务&#xff0c;运行一些不须要登录的程序&#xff0c;任务。 实例1、上电自动连接WIFI热点 1.1 新建.service文件 /etc/systemd/system/wificonnect.service [Unit] DescriptionService [wifico…...

构建智能连接的未来:物联网平台系统架构解析

随着科技的不断进步和互联网的普及&#xff0c;物联网&#xff08;Internet of Things, IoT&#xff09;已成为连接世界的新方式。物联网平台作为实现物联网应用的核心基础设施&#xff0c;其系统架构的设计和实施至关重要。本文将深入探讨物联网平台系统架构的关键要素和最佳实…...

element-ui的年份范围选择器,选择的年份需等于或小于当前年份,选择的年份范围必须在三年之内

写在前面 日期限制处理&#xff08;禁用&#xff09;&#xff0c;下面我以我这边的需求为例&#xff0c; 选择的年份需等于或小于当前年份 选择的年份范围必须在三年之内 1.限制起始日期小于截止日期 1&#xff09;根据用户选中的开始日期&#xff0c;置灰不可选的日期范围&…...

2024年蓝桥杯40天打卡总结

2024蓝桥杯40天打卡总结 真题题解其它预估考点重点复习考点时间复杂度前缀和二分的两个模板字符串相关 String和StringBuilderArrayList HashSet HashMap相关蓝桥杯Java常用算法大数类BigInteger的存储与运算日期相关考点及函数质数最小公倍数和最大公约数排序库的使用栈Math类…...

STL函数对象

1&#xff0c;函数对象 1.1 函数对象概念 概念&#xff1a; 重载函数调用操作符的类&#xff0c;其对象常称为函数对象函数对象使用重载的&#xff08;&#xff09;时&#xff0c;行为类似函数调用&#xff0c;也称为仿函数 本质&#xff1a; 函数对象&#xff08;仿函数&…...

DedeCMS 未授权远程命令执行漏洞分析

dedecms介绍 DedeCMS是国内专业的PHP网站内容管理系统-织梦内容管理系统&#xff0c;采用XML名字空间风格核心模板&#xff1a;模板全部使用文件形式保存&#xff0c;对用户设计模板、网站升级转移均提供很大的便利&#xff0c;健壮的模板标签为站长DIY自己的网站提供了强有力…...

学习 Rust 的第二天:Cargo包管理器的使用

今天&#xff0c;我们来探讨一下 Cargo&#xff0c;这个强大而方便的 Rust 构建系统和包管理器。 Cargo 是一个稳健而高效的 Rust 构建系统和包管理器&#xff0c;旨在帮助管理项目依赖关系&#xff0c;并确保在不同环境下进行一致的构建。 使用 cargo 创建新程序&#xff1a…...

【爬虫+数据清洗+可视化分析】Python文本分析《狂飙》电视剧的哔哩哔哩评论

一、背景介绍 把《狂飙》换成其他影视剧&#xff0c;套用代码即可得分析结论&#xff01; 2023《狂飙》热播剧引发全民追剧&#xff0c;不仅全员演技在线&#xff0c;且符合主旋律&#xff0c;创下多个收视记录&#xff01; 基于此热门事件&#xff0c;我用python抓取了B站上千…...

使用vite从头搭建一个vue3项目(二)创建目录文件夹以及添加vue-router

目录 一、创建 vue3 项目 vite-vue3-project-js二、创建项目目录三、创建Home、About组件以及 vue-router 配置路由四、修改完成后页面 一、创建 vue3 项目 vite-vue3-project-js 使用 vite 创建一个极简 vue3 项目请参考此文章&#xff1a;使用Vite创建一个vue3项目 下面是我…...

循环控制语句的实际应用(3)

3194&#xff1a;【例32.3】 数位积 时间限制: 1000 ms 内存限制: 65536 KB 提交数: 5116 通过数: 1971 【题目描述】 給出一个非负整数n,请求出n中各个数位上的数字之积。 【输入】 一开始有一个整数 T(1≤T≤100)&#xff0c;表示共有几组测试数据。接下来有T个…...

突破像素限制,尽显照片细腻之美——Topaz Gigapixel AI for Mac/Win

在这个数字化的时代&#xff0c;我们都热爱用照片记录生活中的美好瞬间。然而&#xff0c;有时候我们会发现&#xff0c;由于各种原因&#xff0c;照片的像素可能无法满足我们的需求。这时候&#xff0c;Topaz Gigapixel AI for Mac/Win 这款强大的照片放大工具应运而生。 Top…...

CSS特效---HTML+CSS实现3D旋转卡片

1、演示 2、一切尽在代码中 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta name"viewport" content"widthdevice-width, initial-scale1.0" /><title>Document</title&…...

Rust跨平台编译

❝ 如果你感觉自己被困住了&#xff0c;焦虑并充满消极情绪&#xff0c;生命出现了停滞&#xff0c;那么治疗方法很简单&#xff1a;「做点什么」。 ❞ 大家好&#xff0c;我是「柒八九」。一个「专注于前端开发技术/Rust及AI应用知识分享」的Coder 前言 之前我们不是写了一篇R…...

php其他反序列化知识学习

简单总结一下最近学习的&#xff0c;php其他的一些反序列化知识 phar soap session 其他 __wakeup绕过gc绕过异常非公有属性&#xff0c;类名大小写不敏感正则匹配&#xff0c;十六进制绕过关键字检测原生类的利用 phar 基础知识 在 之前学习的反序列化利用中&#xff0…...

浏览器工作原理与实践--HTTP/1:HTTP性能优化

谈及浏览器中的网络&#xff0c;就避不开HTTP。我们知道HTTP是浏览器中最重要且使用最多的协议&#xff0c;是浏览器和服务器之间的通信语言&#xff0c;也是互联网的基石。而随着浏览器的发展&#xff0c;HTTP为了能适应新的形式也在持续进化&#xff0c;我认为学习HTTP的最佳…...

idea 使用springboot helper 创建springboot项目

Spring Boot Helper 是一个在 IntelliJ IDEA 中用于快速创建 Spring Boot 项目的插件。通过这个插件&#xff0c;开发者可以简化 Spring Boot 项目的创建过程&#xff0c;并快速生成所需的依赖和配置文件。以下是使用 Spring Boot Helper 插件创建 Spring Boot 项目的详细步骤&…...

多模态2025:技术路线“神仙打架”,视频生成冲上云霄

文&#xff5c;魏琳华 编&#xff5c;王一粟 一场大会&#xff0c;聚集了中国多模态大模型的“半壁江山”。 智源大会2025为期两天的论坛中&#xff0c;汇集了学界、创业公司和大厂等三方的热门选手&#xff0c;关于多模态的集中讨论达到了前所未有的热度。其中&#xff0c;…...

边缘计算医疗风险自查APP开发方案

核心目标:在便携设备(智能手表/家用检测仪)部署轻量化疾病预测模型,实现低延迟、隐私安全的实时健康风险评估。 一、技术架构设计 #mermaid-svg-iuNaeeLK2YoFKfao {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg…...

定时器任务——若依源码分析

分析util包下面的工具类schedule utils&#xff1a; ScheduleUtils 是若依中用于与 Quartz 框架交互的工具类&#xff0c;封装了定时任务的 创建、更新、暂停、删除等核心逻辑。 createScheduleJob createScheduleJob 用于将任务注册到 Quartz&#xff0c;先构建任务的 JobD…...

Spring Boot面试题精选汇总

&#x1f91f;致敬读者 &#x1f7e9;感谢阅读&#x1f7e6;笑口常开&#x1f7ea;生日快乐⬛早点睡觉 &#x1f4d8;博主相关 &#x1f7e7;博主信息&#x1f7e8;博客首页&#x1f7eb;专栏推荐&#x1f7e5;活动信息 文章目录 Spring Boot面试题精选汇总⚙️ **一、核心概…...

vue3 定时器-定义全局方法 vue+ts

1.创建ts文件 路径&#xff1a;src/utils/timer.ts 完整代码&#xff1a; import { onUnmounted } from vuetype TimerCallback (...args: any[]) > voidexport function useGlobalTimer() {const timers: Map<number, NodeJS.Timeout> new Map()// 创建定时器con…...

unix/linux,sudo,其发展历程详细时间线、由来、历史背景

sudo 的诞生和演化,本身就是一部 Unix/Linux 系统管理哲学变迁的微缩史。来,让我们拨开时间的迷雾,一同探寻 sudo 那波澜壮阔(也颇为实用主义)的发展历程。 历史背景:su的时代与困境 ( 20 世纪 70 年代 - 80 年代初) 在 sudo 出现之前,Unix 系统管理员和需要特权操作的…...

土地利用/土地覆盖遥感解译与基于CLUE模型未来变化情景预测;从基础到高级,涵盖ArcGIS数据处理、ENVI遥感解译与CLUE模型情景模拟等

&#x1f50d; 土地利用/土地覆盖数据是生态、环境和气象等诸多领域模型的关键输入参数。通过遥感影像解译技术&#xff0c;可以精准获取历史或当前任何一个区域的土地利用/土地覆盖情况。这些数据不仅能够用于评估区域生态环境的变化趋势&#xff0c;还能有效评价重大生态工程…...

逻辑回归暴力训练预测金融欺诈

简述 「使用逻辑回归暴力预测金融欺诈&#xff0c;并不断增加特征维度持续测试」的做法&#xff0c;体现了一种逐步建模与迭代验证的实验思路&#xff0c;在金融欺诈检测中非常有价值&#xff0c;本文作为一篇回顾性记录了早年间公司给某行做反欺诈预测用到的技术和思路。百度…...

绕过 Xcode?使用 Appuploader和主流工具实现 iOS 上架自动化

iOS 应用的发布流程一直是开发链路中最“苹果味”的环节&#xff1a;强依赖 Xcode、必须使用 macOS、各种证书和描述文件配置……对很多跨平台开发者来说&#xff0c;这一套流程并不友好。 特别是当你的项目主要在 Windows 或 Linux 下开发&#xff08;例如 Flutter、React Na…...

《Offer来了:Java面试核心知识点精讲》大纲

文章目录 一、《Offer来了:Java面试核心知识点精讲》的典型大纲框架Java基础并发编程JVM原理数据库与缓存分布式架构系统设计二、《Offer来了:Java面试核心知识点精讲(原理篇)》技术文章大纲核心主题:Java基础原理与面试高频考点Java虚拟机(JVM)原理Java并发编程原理Jav…...