R语言时间序列分析——季节模型_Z世界的胡言乱语先生

个人资料

微博

正文字体大小：大中小

R语言时间序列分析——季节模型

(2015-05-20 01:40:56)

标签：

季节模型的一般形式： φ(B)Φ(B^s)(▽^d▽_s^D X_t)= φ₀+θ(B)Θ(B^s) ε_t

一般情况下，φ₀=0 即差分之后序列平稳无漂移时，有

library(TSA)

data(co2)

co2<-ts(co2,start=c(1994,1),fre=12)

plot(co2,ylab='CO2')

acf(co2,lag.max=36)

acf(as.vector(co2),lag.max=36)

plot(diff(co2),ylab='First Difference of CO2',xlab='Time')

acf(as.vector(diff(co2)),lag.max=36)

plot(diff(diff(co2),lag=12))

acf(as.vector(diff(diff(co2),lag=12)),lag.max=36)

fit1.co2=arima(co2,order=c(0,1,1),seasonal=list(order=c(0,1,1), period=12))

fit1.co2

------------------------------------------------------------------------------------------

Call:

arima(x = co2, order = c(0, 1, 1), seasonal = list(order = c(0, 1, 1), period = 12))

Coefficients:

ma1 sma1

-0.5792 -0.8206

s.e. 0.0791 0.1137

sigma^2 estimated as 0.5446: log likelihood = -139.54, aic = 283.08

---------------------------------------------------------------------------------------

则可得结果如下（标准模型中MA部分的参数前有负号，所以要变为相反数）：

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report