R时间序列分析

掌握ts对象、分解、ACF/PACF图、ARIMA建模与forecast预测 · 难度：入门 · +15XP

时间序列：预测未来趋势

时间序列分析关注数据随时间的变化规律，包括趋势、季节性和自相关。

1. 创建时间序列对象

data(AirPassengers)
class(AirPassengers)
start(AirPassengers); end(AirPassengers); frequency(AirPassengers)

2. 分解时间序列

decomposed <- decompose(AirPassengers, type='multiplicative')
plot(decomposed)

3. ACF与PACF图

acf(AirPassengers, lag.max=20, main='自相关函数')
pacf(AirPassengers, lag.max=20, main='偏自相关函数')

4. ARIMA建模

library(forecast)
fit_arima <- auto.arima(AirPassengers, seasonal=TRUE)
summary(fit_arima)

5. 预测未来12个月

forecast_result <- forecast(fit_arima, h=12)
plot(forecast_result, main='乘客数量预测')

时间序列关键概念：

练习提示：对co2数据集做分解并预测未来24个月。