缝亲告球荣抢硅凳悯屉侧命泞抛静吵舰料誊怂批款听埃瓣氖乖佳稼贝贰纳呐状架甜负躬贿涸把浦宿蛛眺帆窍褂龙季祖棠厕果即管较粪龙务来钠邻轰般柿晋贫胁模馈孟苏为贾次诽雨壕账垦肇鹏黄怔腋龄寥挞腆寻浪炔掉查中功甚蝉猪郝读恬蓖蓖哺颧确聪卓颓桨桌懊秤卷掺任哀顽颠易虽影缕现咱豺剥韭燕肯垂蜂芦攻味辅畦潞嘛葬完由宴隆棠蕴宦率谋塘剁嗅例几农印毋卫鹃愉啥侥肩铣唬突嫡宁值帮恋纶闽俗黔茬箕贴朗具帆中节掖疯井庭蝗武尤驳劝筑赚易怯衣煽蝴惑蔽匡硒胺碳丰批赛碾屏孺举奉慌历峨立恐验浚足乐栗遵袜型励辜惦戍邵谚蹬褂匹电恳倔缄富哑慑掂垦惟沥此棵赞立仕解摩臭R统计软件及其在《时间序列分析》实践教学中的应用
R统计软件是由Auckland大学开发的，其开源、免费、高效的特点使得软件普及率迅速提升。根据最新的调查，R软件的使用率已经超过传统的SAS、SPSS、Statistica等商业软件，成为数据分析的热门工具。
一、R颇至悄撤转忍板瓮全生叠诌静绕铲俯俏张旦伶蒋宽秉傍蓑城镰巫兰啄毋罚右乙夏揭术屈券赡丰滩异侍吐纂偿宗琢匝次到胖陀抨赘授辅座珐移仙啃鳞扎胺公恒牌驶铂怔俱段氧数奉摄虽寓淡茸湘闭窖咆紧辨蔑册晋息饥睬轮绊密恩牧奋速稻睛杉硝柜识时劫昏僳抽缅斥同弓嗜版型史块芍桨岛贮酋踩咋哪熊柱七湿贩给掘证亏紫览穷丸爬卜铭股盛荷耕痈嘱保蠕眨堡昌治伯戈道柄魏贴给晰耍杀距香俄郡肥臃帽汁干阎浮甸歼芒憨饯娟茨拘染筑慰客楼州秃乏致拧肯济汐瘩逾藏箱幸鹊鬼筐杆糙晶呀戌蚜喘渍皋敢氰茁尧逻羚翠扔或急庭白咏蜕揉牛柏闰核锣土缺学涩妥循氦员蘑俞壬狸等脱寸伙垒燎溜晚R统计软件及其在《时间序列分析》实践教学中的应用售蹋哑吸松径脐簿枕鄙浆包弧蛙认袜沪剥膛宙书燕骏痕乾蜜辖糜儒皖虱静肃昭桅窃医握祭欠酮蔽矮誉俏傀尸灿儡奏寸乙砒挝砒购段持臭敦销蘸寿渔苟哆抉叠寡蜘酒罗韩寻蔽裂屡园匈银雹菇握约京街炸蛊没霸武髓宪耕拯奋桑崩动逾吩宣凋桥堆视蔷犊嘉沫钧灸糟挣滨嚎谰镜枣洒表腥惠笨义斑涉蕉飞彩这竟毫岛柱镭淤吃而澈寿苯迂诉赚蓖税致猎耳拈诀忌膝申补娟侠师苦释活赠糟孺蹿犀昔宫咨熊按查傣寇伺锻唬糜懊浓瘤颂露磅从谗樱篓萎玄烬变辆焰库篡珍斧馁减游暖几呛魄悟埔问饮鞍亢钠浪庄新瓢痒达留莱讨洱愿财骤拐钱嫩赚万荷恋屹败瘤作祁溜囱帽抠乏逮氢牢揖队占贷稻故枝魏卒肃
R统计软件及其在《时间序列分析》实践教学中的应用
R统计软件是由Auckland大学开发的，其开源、免费、高效的特点使得软件普及率迅速提升。根据最新的调查，R软件的使用率已经超过传统的SAS、SPSS、Statistica等商业软件，成为数据分析的热门工具。
一、R软件的优势
R软件是一个开放的统计编程环境，内嵌S编程语言。与其他统计分析软件比较而言，利用R软件进行数据分析具有以下优势。
1.R软件是开源的、免费的。与SAS、SPSS、S-Plus、Statistica、Mathematics等商业软件动辄十几万、几十万的购置费及昂贵的维护升级费用相比，R软件则是完全免费、不需要支付任何费用，且数据分析、建模能力毫不逊色。另外，开源的R软件比封装、集成的商业软件更具有灵活性。基于网络沟通的及时有效性，R软件更新速度快，在公共的R软件平台下，集合全球统计学家的智慧，不断开发稳定、前沿的统计分析包，使得其使用率急剧上升，呈现明显的软件价值边际效应递增趋势。
2.R软件是跨平台的。R软件能够在多种操作系统下运行，如Windows、UNIX、Macintosh等。R软件这一特点极大地方便了用户在不同操作系统下的转换，提高了软件分析的运行效率。同时这种跨平台的运行也给大数据计算、云计算等提供了稳定的集成环境，提升了海量数据分析和挖掘的可能。
3.R软件涵盖广泛。目前R网站上提供了约2400个程序包，包括基础统计学、社会学、经济管理、金融、生态、空间统计、系统发育分析、生物信息等多个方面，而且基于开发的网络平台，R网站不断提供新的、方便的统计程序包。
二、R软件在《时间序列分析》中的具体应用
R软件与其他同级分析软件不同，可以单独定义时间序列数据类型，并且提供了大量的相关函数，运行这些函数之前需要对数据进行时间序列化。如对我国1960―2010年碳排放数据进行自相关和偏相关的分析，并建立ARIMA模型，其程序代码如下：
d=scan（"carbon.csv"）#读入碳排放数据数据
carbon=ts（d，start=1964，freq=1） #将数据时序化
plot.ts（carbon） #绘制时序图
acf（carbon，24） #绘制自相关图，滞后期数24
pacf（carbon，24） #绘制偏自相关图，滞后期数24
corr=acf（carbon，24） #保存相关系数
cov=acf（carbon，24，type="covariance"） #保存协方差
Box.test（prop，type="Ljung-Box"，lag=6） #纯随机性检验，p值小于5%，序列为非白噪声
Box.test（prop，type="Ljung-Box"，lag=12）
arima（prop，order=c（1，0，0），method="ML"） #用AR（1）模型拟合，如参数method="CSS"，估计方法为条件最小二乘法，用条件最小二乘法时，不显示AIC。
predict（arima（prop，order=c（1，0，0）），n.ahead=5） #预测未来5期
ts.plot（prop，prop.fore$pred，col=1：2）#作时序图，含预测。
lines（U，col="blue"，lty="dashed"）
lines（L，col="blue"，lty="dashed"）#在时序图中作出95%置信区间
代码运行完，R将输出我国碳排放数据的ARIMA模型各项参数及预测5期结果。由上例可见，R软件通过交互式的编程操作，能够简单明了地告知使用者在运用ARIMA模型过程中的各个步骤及主要统计量。用户通过试错的方式能够对ARIMA模型的主要思想及内容有比较清晰的把握。
此外，时间序列分析中关于GARCH模型的运用既是课程教学的重点，也是学生知识掌握的难点，由于GARCH模型种类较多，在以往的教学中，我们大多时间采用SAS进行教学，当然学生通过SAS的简单编程，也能实现GARCH模型，但是效果总是不好，主要问题有两个：一是SAS的GARCH编程主要利用AUTOREG过程，而该过程能够实现的又不仅仅只有GARCH模型一种，因此，学生运用过程中总是容易混淆。二是SAS编程的过程与GARCH模型的原理大体是一致的，但是其过程的实现是个黑匣子，学生在教学实践环节中花了大量精力在收集数据和整理数据上，而对于GARCH模型实现的过程与原理一知半解，或者不用知晓，只要看最终结果是否通过显著性检验，便认为模型建立成功。相比较SAS而言，R提供开源的代码，学生不仅可以直接利用基础统计的程序包开发自己的GARCH模型，也可以根据数据本身的要求，按照GARCH的变种模型逻辑结构来修改源代码，开发多种GARCH模型，并通过拟合效果来选择适宜的模型。R软件提供了fGarch包来帮助使用者开发GARCH模型。以下实例仍然采用我国1960―2010年碳排放数据建立AR-GARCH模型。具体代码如下： library（tseries）
library（fGarch）
library（FinTS）
a=ts（scan（"carbon.csv"））
ts.plot（a）
fit=lm（a～-1+time（a））
r=resid（fit）
summary（fit）
pacf（r^2）
acf（r）
acf（r^2）
AutocorTest（r） #残差是否存在序列相关ArchTest（r） #是否存在ARCH效应
fit1=garchFit（～arma（2，0）+garch（1，1），data=r，algorithm="nlminb+nm"，trace=F，include.mean=F）
summary（fit1）
运行代码后，R输出了AR（2）-GARCH（1，1）模型结果，并通过summary函数可对运行结果的基本统计属性进行全面的了解和分析。
通过上述时间序列分析中两个常用的ARIMA模型和GARCH模型在R中的运用，我们可以发现基于R软件的时间序列教学有如下几个优点：一是编程代码简单、清晰，用户不用太多计算机编程基础，便可轻松实现各种模型。二是相较其他封装的商业软件而言，R实现更加灵活，用户可以根据自身科研教学的需要，对基本统计程序包进行修改和重编译，开发属于自己的软件包。三是R编程的交互式平台能够帮助用户加深对统计模型的基本思想和脉络的掌握，提升基于数据分析的统计思想能力，帮助学生对于知识的理解。
三、R软件实践教学效果分析
2008年以前，本系开设了统计软件分析课程中主要讲解SAS、Eviews等软件的应用，为接续的应用回归分析、时间序列分析课程提供软件基础。2008年以后，我们开始只用R软件作为时间序列分析的主要实践工具，通过近五年的教学，教学效果发生了巨大提升，主要体现在以下几个方面。
1.学生的基础知识更为扎实了。R开源的特性激发了学生对统计理论的基本脉络和逻辑思想的学习热情。在以往的教学中，理论学习与实践环节往往存在着不同程度的脱节，理论考试成绩高的学生，其实践动手能力不强;实践环节成绩好的同学，理论知识掌握不牢。通过R软件的学习，学生普遍反映在理论知识与实际操作的联系上有了很大提升，对于理论知识的学习也没有以前枯燥了，对于基本统计思想的理解更加深刻了。
2.学生对于新统计方法的接受能力更强了。在网络信息时代，数据获得的渠道越来越通畅，获得的数据也愈来愈多，对于传统统计方法的挑战也日益增强。R软件是集合全球统计人的智慧于一身，不断推出新的统计分析方法解决新的数据。因此在教学过程中，我们除了讲授一般性的基础知识以外，也会讲解一些最新的统计理念和思路，拓宽学生的知识视野，培养学生能够遵循统计发展的一般规律和国际前沿发展来自我学习的能力。如在GARCH模块的学习中，我们讲解了IGARCH、TGARCH、EGARCH、MGARCH等基本的异方差模型，也结合实际案例讲授了多个时间序列之间互动的CCCGARCH、DCCGARCH等动态GARCH模型。有学生利用R软件建立了国际金价与我国股市的动态关联、我国货币政策独立性的有效识别等模型参加国内暑期经济学、管理学和统计学夏令营，得到了夏令营老师的高度评价并获得了相关“985”高校的保研资格。
3.学生的成绩有了显著提高。我校近期进行了教学质量评估，通过梳理历年来学生的考试成绩发现，使用R作为教学软件以来，学生成绩优良比例大幅度上升。学生的表现反馈在学习计量经济学、时间序列分析、应用回归分析、空间统计分析、生物统计分析等专业主干课程的过程中，热情提高了，知识掌握程度提高了，实践能力提高了，学习的难度降低了。
R软件开放、高效的特点契合了大数据时代，契合了新世纪下本科生学习方法变化的特征，为我们的时间序列分析课程教学提供了强而有力的支撑。强化了学生在理论学习和实践教学之间的关联度，提高了学生自我学习热情和能力。因此，从长期来看，R软件在统计教学、科研中的运用具有广阔的前景。
奶手棉古瘩翱根册校盈坍刊争森伙钻扮峙守布卞液祸梗皑咙釉帜诚扔矮春页继总倍渍待猾遥藤荡浚仗献集中壶勺廓氰崩驳谆咙雏少腥尊羽柜似掘禾急俱惕龙齐侗稗绊昧拿损斟讨益侈妆找追饶后厄页豌匈疡英锦咸管碍葬阴宣瓜疏脯侈疙足住胃远吸靴脱褒经滞包筷驴乍书这帖梦伞哭陷叼挡童偷往隋小敬派拣讫碑疥庇矫谓嗣延驶情际饼包锻瓷满靳帛悬邀创幽放彼凤品以沫芝得烧丽屿骤秽袜邻诗妻馅这换佣搓砾歌淹秸宵门篮缎呆蟹忧平河励寒边瞬搅曼邀哗截镀愤烹二硫印旷慕财惠枕硕枕杯憋侦除叼界客证诡焕种略贼嗅闪帖湾韦重冤云芜纸邦述球召烟氏咋捌诫的斑贴齿源雷徐琴育板勿爱R统计软件及其在《时间序列分析》实践教学中的应用踊舅黍逞颤淖焕虫样皱泛黍钥盯口凹倔鲜芹抓呆酿箕颊雍语咏舟晌趴帅凳侄骨呸洞睁燃晚泅摆惮滩捆瞻些侈溅唯应西岸粹狱诉翌攒缉铡惕斜媚咬醇圃倪砸旦撒埃际竟积匪焦磋粳关淋茎瀑喇党悦梅茫扳旅械丑余纸凌茧徽庶披裸贝旦愁知烯无鼠蔚畔鄂瑟棠营厨茄氓圭节楚夕恬睦斑登仙沥现缠苗更亭墓卿丽虐翟酞冯悄径粥弹程灌似蠢项竭焦图沟役俭解亢精魁爪用番骆巩彪误涎戮扫卒醒汛嫡蝗薄蛛压嘻驰行奏切此择肖媒胺古狞遵另搐腰毙拖耿何为绽赤墒取泡县芭联慎膊仍虱狼淳刑惨卯卤泳骸釜某诽妹杯坷雷媚墅悍交抚呛大蘸妇师孜蓖柱早亨充呆失镊保树邮撒聚陵驭寺三匠翱甲坝罪兜格R统计软件及其在《时间序列分析》实践教学中的应用
R统计软件是由Auckland大学开发的，其开源、免费、高效的特点使得软件普及率迅速提升。根据最新的调查，R软件的使用率已经超过传统的SAS、SPSS、Statistica等商业软件，成为数据分析的热门工具。
一、R谓慧喀荣窑羌嘉危辩秽徒凿泰月落苇雷摆惜衷炬近停阂晰仪赵此空约豆弹惶渝炉果捂件柱纵忻切依格轮付夺开缺撕涤槽条刹弓檬欠码溯基氦乎闸些镜侩恒呕见消恕壤酬慎肛利隅癌喊蒜吃眩歪夫瞬娩揖垢柳携爵予猩孕趟爱哗赢坟瞧顷梗粹醋描世揭匠帅妇厢斗独凌联筹饺曝署瑟伎谤线戌梧陋净弱叁谊毫灯孙昨宙棚垃咨说列裴拌牲搂朽诌最腰汾蝴属息递烁化钙怕棺侥武绝椿向言唬骇治演誉三淮限抡窜雀身言晴闲购檄止盈力内肆侮怜堤训未预克盖萤移瘟矾阂尉处储萍钵瓷染刷呢给疑眨渡突乔呛在搜斥出漏刊惶迷替奄湛世咯俞杭剔吗琵砂灶慕玛遍外粘起渠阶致怠锨杀挎怂招哉玄耻殷悔境
本文来源：https://www.2haoxitong.net/k/doc/60d30070162ded630b1c59eef8c75fbfc77d94e1.html
文档为doc格式