《時間序列分析及應用.R語言》第十一章閱讀筆記
阿新 • • 發佈:2019-03-24
arima reg poi 11.2 樣本 誤差 == 兩種 class
第11章
11.1幹預分析
library(TSA) win.graph(width = 4.875,height = 2.5,pointsize = 8) data(airmiles) plot(log(airmiles),ylab = ‘log(airmiles‘,xlab = ‘year‘)
#美國航空的每月客運裏程:1996年1月~2005年5月
as.vector(diff(diff(window(log(airmiles),end = c(2001,8)),12))),lag.max = 48)
#幹預期(1-B)(1-B12)log(航空客運裏程)的樣本ACF
air.ma1 <- arimax(log(airmiles),order = c(0,1,1), seasonal = list(order = c(0,1,1),period = 12 ),xtransf = data.frame(I911 = 1*(seq(airmiles)==69), I911 = 1*(seq(airmiles)==69)), transfer = list(c(0,0),c(1,0)),xreg = data.frame( Dec96 = 1*(seq(airmiles)==12), Jan97 = 1*(seq(airmiles)==13),Dec02 = 1*(seq(airmiles)==84)), method = ‘ML‘) air.ma1
#對數化航空客運裏程的幹預模型的估計
plot(log(airmiles),ylab = ‘Log(airmiles)‘) points(fitted(air.ma1))
#對數化的航空客運裏程與擬合值
Nine11p <- 1*(seq(airmiles)==69) plot(ts(Nine11p*(-0.0949)+filter(Nine11p,filter = 0.8139,method = ‘recursive‘,side = 1) *(-0.2715),frequency = 12,start = 1996),ylab = ‘9/11‘,type = ‘h‘) abline(h = 0)
#9.11事件對航空客運量序列所造成影響的估計
11.2異常值
指的是一些不規則的觀測值,其出現可能源自測量誤差與復制誤差其中之一,或者兩者都有可能,也可能源於基礎過程發生了短期性變化。
對於時間序列來說可識別的異常值有兩種,可加異常值與新息異常值,簡記為AO/IO.
《時間序列分析及應用.R語言》第十一章閱讀筆記