ts 函数，将普通的数据转换成为时间序列数据
时间序列的绘图函数
seasonplot()
monthplot()
pairs()
Acf()
简单处理时间序列的方法
meanf()
naive()
rwf()
snaive()
数据变换
log
BoxCox.lambda(x)
BoxCox(x, BoxCox.lambda(x))
查看误差
accuracy()
Box.test() # Ljung–Box test
输出时序的有些函数
meanf
naive, snaive()
rwf
croston()
stlf
ses()
holt()
hw()
splinef()
thetaf()
forecast()
时间序列的回归
y <-
ts(rnorm(120, 0, 3) + 1:120 + 20 * sin(2 * pi * (1:120) / 12), frequency =
12)
fit <- tslm(y ~ trend + season)
plot(forecast(fit, h = 20))
# 就是 tslm
CV(fit) # 评价模型
durbin - waston statistic
dwtest 检测模型残差是否有自相关性
lmtest::dwtest(fit)
Breusch-Godfery
lmtest::bgtest(fit)
移动平均模型
ma()
使用移动平均线将时间序列分解为季节性，趋势和不规则分量。 处理添加或乘法季节性成分。
decompose
stl()
holt
hw
ets
adf.test检验自回归模型是否存在单位根，序列中存在单位根就是不平稳的
KPSS检验 也是平稳性检验的一种方法
auto.arima # 自动拟合arima模型
Acf# 自相关函数
Pacf # 便自相关函数
Arima
