时间序列ARIMA模型在R中的实现.docxVIP

J I A N G S U U N I V E R S I T Y江苏省餐饮业零售总额分析预测 学校：江苏大学学院：财经学院 班级：统计1201 组员：韩亚琼3120812015 马海燕3120812022 顾君颖3120812020 王培培3120812009 陆金龙3120812029 白 卓3120812028完成时间：2014年12月13日 星期六摘要引言数据分析原始数据的获取：本文所有的样本数据均来自《江苏统计年鉴——2014》（/2014nj/nj14.htm/2014nj/nj14.htm）得到的样本数据参见表1：表1 按行业分社会消费品零售总额年　份社会消费品零售总额　　　批发和零售业餐饮业其他行业197884.797197999.1691.613.903.651980122.56114.354.723.491981134.7961982150.01138.875.495.651983169.12156.286.146.701984205.05188.807.618.641985262.57240.6910.4511.431986304.58279.2512.5312.801987360.74329.3115.8415.591988471.83432.0620.3319.441989509.56467.1122.4719.981990515.43472.7224.1718.541991578.12529.9427.8620.321992704.52644.6133.6426.271993967.77888.2444.7434.7919941359.611238.3071.4449.8719951741.921573.0195.2173.7019962080.441901.47135.6443.3319972300.612082.71167.9249.9919982453.842208.24192.5253.0819992649.562367.59227.5854.3920002908.462583.19269.5955.6920013233.352845.89326.7160.7620023656.573179.23410.8366.5220034194.503613.67510.9469.8820044892.184333.18496.1021.2220055735.505051.70583.0950.9120066706.195898.79678.8360.8920077985.907023.48810.5669.3820089905.108890.30826.1088.90200911484.1010312.81957.23106.40201013606.8012207.181147.99124.50201115988.3814320.871359.27146.30201218331.3016448.831588.08115.97201320796.5018694.851788.44139.98这里我们仅用到第三列数据，为了方便分析，我们将餐饮业零售总额序列命名为caterts。第一步 序列的平稳性检验为判断一个序列是否平稳，我们主要通过时序图以及自相关图进行检验。对caterts做时序图，有图形发现有明显的指数趋势，序列非平稳，也可以初步发现江苏省的餐饮业零售总额逐年递增，尤其是在新世纪以后，人们的生活水平逐年提高，对餐饮业的贡献也增大：图1 caterts序列时序图因为原序列有明显的指数趋势，故先对数列进行对数变换得到新的数列 logcatets，序列图如下，具有明显的非线性增长趋势：图2 对数化后的时序图对具有明显线性趋势的数列常用的平稳化措施是差分，我们对logcaterts序列进行一阶差分得到新的数列difflogcaterts，时序图如下：图3 对数化和一阶差分后的时序图通过对时序图分析发现数列具有平稳性，为了方便分析，我们对difflogcaterts序列进行中心化处理，得到新的数列x。对x进行ADF检验（单位根检验）。R语言中有专门的fUnitRoots包，里面有urdftest功能，是专门进行序列的ADF单位根检验，通过R软件得到如下结果：Title:Augmented Dickey-Fuller Unit Root TestTest Results:Test regression none Call:lm(formula = z.diff ~ z.lag.1 - 1 + z.diff.lag)Residuals: Min 1Q Median 3Q Max -0.224894 -0.051073 0.006261 0.0