首页 > 时间序列实验分析

时间序列实验分析

发布时间：2023-03-08 03:37:58 来源：文档文库

小中大

字号：

手机查看

时间序列实验分析
1.实验目的
通过时间序列的原理，运用R软件进行时间序列分析实验，建立模型，并分析实验结果。
2.实验原理
季节性分解
存在季节性因素的时间序列数据（如月度数据、季度数据等）可以被分解为趋势因子T、季节性因子S和随机因子I。趋势因子能捕捉到长期变化；季节性因子能捕捉到一年内的周期性变化；而随机（误差）因子则能捕捉到那些不能被趋势或季节效应解释的变化。
此时，可以通过相加模型，也可以通过相乘模型来分解数据。在相加模型中，各种因子之和应等于对应的时序值，即：
YtTtStIt
其中时刻t的观测值即这一时刻的趋势值、季节效应以及随机影响之和。
而相乘模型则将时间序列表示为：
YtTtStIt
即趋势项、季节项和随机影响相乘。

3.实验仪器和设备
计算机、R软件及相应的扩展程序包。
4.实验内容和步骤
1）录入数据
先输入房价（fj）数据，再通过ts函数生成时序对象。数据来源于国家统计局房地产商品住宅房平均销售价格的月度数据。
2）绘制散点图并分析
先通过plot画出序列，并对其进行对数变换。然后对其进行季节性分解。画出2010年至2017年时序图、季节效应图、趋势图以及随机波动项（此时将季节效应限定为每年都一样）。
3）确定模型并确定模型参数
ets函数可以用来拟合有可乘项的指数模型，加入抑制因子，进行自动预测。通过ets函数自动选取对原始数据拟合优度最高的模型。用有可乘项的指数模型和相加模型比较，选出拟合优度最高的模型。
4）分析模型输出结果并预测
没有指定模型的拟合，R软件自动搜索所有模型，并在其中找到最小化拟合标准（默认为对数似然）的模型。选中的模型同时有趋势因子T、季节性因子S和随机因子I。forecast函数可

本文来源：https://www.2haoxitong.net/k/doc/f135dc6f59fb770bf78a6529647d27284b733797.html