時(shí)間序列分析r語言程序-閱讀頁
2025-07-10 07:51本頁面
【正文】 t[1]xx=xt[length(xt)]m2=lm(xy~xx)summary(m2)m3=lm(xy~xx+0)summary(m3)lines(x$年份[1],m2$,col=39。) 圖5——29DW檢驗(yàn)library(lmtest)dwtest(m2)加載程序包aa=dwtest(m1)Dh=(1aa$statistic/2)*sqrt(length(xt)1)/(1(length)1)* Dh統(tǒng)計(jì)量ev1=m1$residualsplot(ev1,type=39。)m4=arima(ev1,order=c(2,0,0),fixed=c(NA,NA,0),=F)ev2=m3$residualsplot(ev2,type=39。)m5=arima(ev2,order=c(2,0,0),fixed=c(NA,0),=F)m6=arima(xt,order=c(0,1,1),xreg=1:length(xt),method=39。) ARIMA 疏系數(shù)模型 婦女=(C:\\Users\\Administrator\\Desktop\\,header=T)x=plot(x,type=39。)dx=diff(x[,2])plot(dx,type=39。)acf(dx)pacf(dx)m=arima(x[,2],order=c(4,1,0),fixed=c(NA,0,0,NA),=FALSE,method=ML) 不知道疏系數(shù)模型是怎么判斷的summary(m)ev=m$residuals(ev,lag=6,type=39。,fitdf=2) 階數(shù)為原來的階數(shù)減去參數(shù)的個數(shù)(ev,lag=12,type=39。,fitdf=2)(ev,lag=18,type=39。,fitdf=2) 結(jié)果和書上不一樣參數(shù)顯著性檢驗(yàn)t1=t2= t統(tǒng)計(jì)量p1=pt(,df=57,=F)*2p2=pt(,df=57,=F)*2 p值不大對 德國工人失業(yè)率=(C:\\Users\\Administrator\\Desktop\\,header=F)=(t(()))[1:120]繪制時(shí)序圖x=ts(,start=1961,f=4)plot(x,type=39。)差分平穩(wěn)化dx1=diff(x)plot(dx1,type=39。)dx=diff(dx1,lag=4)plot(dx,type=39。,ylim=c(2,2))(dx,lag=6,type=39。)(dx,lag=12,type=39。)(dx,lag=18,type=39。) 表5——6 差分序列具有很強(qiáng)的相關(guān)信息模型擬合acf(dx)pacf(dx)m=arima(x,order=c(4,1,0),fixed=c(NA,0,0,NA),=FALSE,=F,method=CSS)coef(m) 模型擬合的不對參數(shù)估計(jì)與檢驗(yàn) 不會ev1=m$residuals(ev,lag=4,type=39。)(ev,lag=10,type=39。)=(C:\\Users\\Administrator\\Desktop\\,header=F)=(t(()))[1:408]x=ts(,start=1948,f=12)plot(x,type=39。,ylim=c(0,4000))差分平穩(wěn)化dx1=diff(x)plot(dx1,type=39。,ylim=c(400,500))dx=diff(dx1,lag=12)plot(dx,type=39。,ylim=c(400,500)) 圖5——25acf(dx)pacf(dx) 異方差的性質(zhì)=(C:\\Users\\Administrator\\Desktop\\,header=F)=(t(()))[1:100]x=ts(,start=1962,f=12)plot(x,type=39。,ylim=c(0,))dx1=diff(x)plot(dx1,type=39。,ylim=c(,)) 圖538acf(dx1)pacf(dx1)
公司管理相關(guān)推薦
鄂ICP備17016276號-1