基于R语言的时间序列分析预测

• 数据来源： R语言自带 Nile 数据集（尼罗河流量）
• 分析工具：R-3.5.0 & Rstudio-1.1.453

#清理环境，加载包
rm(list=ls()) library(forecast) library(tseries) #趋势查看 plot(Nile) 

#平稳性检验 #自相关图 acf(Nile) 

#偏相关图 pacf(Nile) 

#也可以直接用tsdisplay查看 tsdisplay(Nile) 

#单位根检验 adf.test(Nile) 

• 从自相关图上看，自相关系数没有快速衰减为0，呈拖尾，单位根检验进一步验证，存在单位根，所以序列为非平稳序列

#做序列差分 #可以用ndiffs判断需要做几阶差分 ndiffs(Nile) 

• 需要做一阶差分

#做一阶差分，然后再进行检验 Nile_diff=diff(Nile,1) plot(Nile_diff) 

acf(Nile_diff) 

pacf(Nile_diff) 

adf.test(Nile_diff) 

#建立模型 (mod=arima(Nile,order=c(0,1,1),method='ML')) 

• 根据acf图和pacf图，拟定为0,1,1

#auto.arima通过选取AIC和BIC最小来选取模型，与根据acf和pacf图建立的模型进行比较 (mod_auto=auto.arima(Nile)) 

# 残差正态性检验 qqnorm(mod$residuals) qqline(mod$residuals) 

qqnorm(mod_auto$residuals) qqline(mod_auto$residuals) 

# 残差白噪检验 Box.test(mod$residuals,type='Ljung-Box') 

Box.test(mod_auto$residuals,type='Ljung-Box') 

• 根据检验结果来看，还是选择根据acf图和pacf图建立的模型比较好

# 进行预测 (pre=forecast(mod,5)) 

plot(Nile,col='pink') par(new=T) plot(pre,col='green') 

plot(pre,col='green')