逼迫学习6:用R语言自动智能化创建时间序列ARIMA模型

原创 数据小兵  2019-07-08 09:48  阅读 98 次
视频课程《SPSS统计分析:从入门到实践提高》

学习计划 MyPlan6

主题:用R语言实现一个时间序列分析案例
时间:6.23-6.30周内完成

近期开始筹备SPSS时间序列章节的内容,为了拓宽认知,本周将练习R语言时间序列。

以下是学习计划完成情况。

R语言自带案例数据集AirPassengers,记录了航空公司1949年1月至1960年12月每个月的乘客人数。本次时间序列涉及的R包包括:tseries,forecast。

为了方便分析,我们对数据集进行重新赋值。
air <- AirPassengers

观察时间序列图
ts.plot(air)

该时间序列中至少包含了线性趋势、季节变化、随机波动等信息。对于新手用户来说,我们可以把时间序列理解的简单一些,不要过分纠缠背后的原理,想把原理搞清楚是非常有难度的。

ARIMA是当前最流行的时间序列模型,包含线性趋势、季节变化的时间序列数据完全可以采用ARIMA模型进行拟合和预测。但是ARIMA模型原理较为复杂,学习过程有一定难度。

在SPSS统计软件中,为用户提供了【专家建模器】,帮助用户自动智能化实现ARIMA模型创建,适合大多数非专业人士使用。

而在R语言中,也有类似的自动化建模工具,它就是auto.arima函数。本例将直接跳过复杂的原理,简单直观采用auto.arima函数进行建模和预测。

自动化创建arima模型
air.arima <- auto.arima(air)

预测未来12个月的乘客人数
air.forecast <- forecast(air.arima,h=12)

输出预测的可视化效果
plot (air.forecast)

auto.arima函数为我们创建了一个ARIMA(2,1,1)(0,1,0)[12] 模型,对1961年12个月的预测效果见上图。

《SPSS统计分析从入门到实践提高》正在更新时间序列章节视频课时,欢迎读者观看点评。

本文地址:http://www.datasoldier.net/archives/1324
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
NEXT:已经是最新一篇了
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!