StillAlive3992675
r语言 怎么把数据变成时间序列
确定时间序列的周期一般用的是谱分析，小波分析方法，这些一般在网上能搜到相关文献！时间序列是否平稳，ARMA(p,q)中的p,q的确定，这些方法在王文圣，丁晶等著作《随机水文学》中有详细介绍，中国水利水电出版社，第二版，你所提及的内容都有介绍，相信你会搞定！
怎么在r里算时间序列前一项除以后一项
方法/步骤建立工作文件，创建并编辑数据。
结果如下图所示。
在命令行输入ls y c x，然后回车。
弹出equation窗口，如图所示。
观察t统计量、可决系数等，可知模型通过经济意义检验，查表与X的t统计量比较发现，t检验值显著。
模型对Y的解释程度高达99.3%。
将样本期范围从1978-2003年扩展为1978-2004年：在workfile窗口中依次点击proc->Structure。
弹出Workfile Structure窗口，将2003改为2004，然后点击ok，如图所示。
在Group窗口中输入2004年X的值，如图所示。
在equation窗口中点击Forecast。
在弹出的窗口中点击ok。
在workfile窗口中会生成一个yf，双击打开它，如图所示，即可看到我们对2004年的预测值。
望采纳
R语言怎么把两个时间序列画在同一张图上
展开全部 这个是自动适应参数估计的结果。
模型估计为ARIMA(4,0,2)，即ARMA(4,2)系数为： ar1 ar2 ar3 ar4 ma1 ma2 -0.5505 0.2316 0.0880 -0.4325 -0.1944 -0.5977s.e. 0.1657 0.1428 0.1402 0.1270 0.1766 0.1732s.e.是系数的标准差，系数显著性要自己算，|系数/se| > 1.96 即 95%的置信度sigma^2 estimated 估计值方差log likelihood 对数似然值（这个不用解释了吧）AIC=709.13 AICc=710.73 BIC=725.63再就是下面一堆误差计算ME Mean ErrorRMSE Root Mean Squared ErrorMAE Mean Absolute ErrorMPE Mean Percentage ErrorMAPE Mean Absolute PercentageMASE Mean Absolute Scaled Error...
如何用Eviews软件进行简单时间序列分析
这个稍微有点麻烦，因为做granger因果，首先要注意序列是否平稳，一般要先做ADF检验，结果如果平稳可以继续G检验；若不平稳要对同阶单整进行协整检验，如果有协整关系同样可以G检验。
否则做出来有可能会是伪回归，所以之前的准备工作有点麻烦。
如果仅仅说做Granger这一步的话：1、假定你的工作文件已经建立，首先打开时间序列数据组窗口。
2、点击view键，选择Granger Causality。
。
。
功能。
3、随即打开一个对话框，需要选择最大滞后长度，然后点击ok键，就得到检验结果。
4、比较下P和F值，判断下是否拒绝原假设，然后得出结论。
希望你的数据性质好，做的顺利：）
如何用Eviews软件建立时间序列模型和预测
展开全部 方法/步骤创建Workfile：点击File/New/Workfile，输入起止日期建立object输入数据：点击object/new object，定义数据文件名ex4_2并输入数据。
将Workfile保存：点击File/save，而store只存储对象object。
画时序数据图：点击Workfile中的View/line graph。
用单位根法检验平稳性：点击View/Unit Root Test，比较ADF值。
结果分析：由图知：ADF_T=0.0722>-3.4946，则X序列非平稳。
模型识别：点击View/correlogram画自相关系数（AC）和偏自相关系数（PAC）图。
则当K>2时，则，即呈现2步截尾现象，而 序列被负指数函数控制收敛于零，呈拖尾现象，故可初步判定序列Y适合AR(2)模型。
