数据玩一玩

在视频中，您已经看到多种类型的数据。本练习中，您将绘制更多时间序列数据，并与视频中的系列进行比较。思考这些时间序列与视频中的系列如何相似或不同非常有用。特别关注趋势类型、季节性或周期性，以及同方差性。

在首次使用某个数据集之前，建议先通过帮助系统查看其详细信息。例如，使用 help(AirPassengers) 或 ?AirPassengers 查看该序列的详细说明。

本练习是课程的一部分

R 中的 ARIMA 模型

练习说明

R 环境中已预加载 astsa 和 xts 包。
使用 help() 查看 AirPassengers 数据文件的详细信息。
使用 plot() 绘制航空旅客数据（AirPassengers），并与您在视频中看到的某个序列进行比较。
绘制道琼斯工业平均指数的日收盘价（djia$Close），并与您在视频中看到的某个序列进行比较。
绘制南方涛动指数（soi），并检查其是否存在趋势、季节性以及同方差性。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# View a detailed description of AirPassengers


# Plot AirPassengers


# Plot the DJIA daily closings


# Plot the Southern Oscillation Index

编辑并运行代码

本练习是课程的一部分

R 中的 ARIMA 模型

SkillTag.level.beginnerSkillTag.label

4.9+

免费开始课程

您将探究时间序列数据的特性，并学习可解释此类数据行为的 ARMA 模型基础。您还将学习基本的 R 命令，把原始时间序列数据整理为可用 ARMA 模型分析的形式。

Exercise 1: 先从基础开始 Exercise 2: 数据玩一玩

当前练习

Exercise 3: 时间序列的要素 Exercise 4: 平稳性与非平稳性 Exercise 5: 差分 Exercise 6: 数据去趋势 Exercise 7: 处理趋势与异方差性 Exercise 8: 平稳时间序列：ARMA Exercise 9: 模拟 ARMA 模型

您将走进 ARMA 模型的精彩世界，并学习如何将这些模型拟合到时间序列数据。您将学习如何识别模型、如何选择合适的模型，以及在拟合后如何验证模型。您还将学习使用 stats 和 astsa 包中的 R 时间序列命令。

Exercise 1: AR 与 MA 模型 Exercise 2: 拟合 AR(1) 模型 Exercise 3: 拟合 AR(2) 模型 Exercise 4: 拟合 MA(1) 模型 Exercise 5: AR 与 MA 的结合 Exercise 6: 拟合 ARMA 模型 Exercise 7: 识别一个 ARMA 模型 Exercise 8: 模型选择与残差分析 Exercise 9: 模型选择 - I Exercise 10: 模型选择 - II Exercise 11: 残差分析 - I Exercise 12: 残差分析 - II Exercise 13: ARMA 上场

在掌握将 ARMA 模型用于平稳时间序列之后，您将进一步学习用于非平稳时间序列的差分自回归移动平均（ARIMA）模型。您将使用 stats 和 astsa 包中的 R 时间序列命令，把这些模型应用到真实数据。

Exercise 1: ARIMA——差分整合 ARMA Exercise 2: ARIMA - 即插即用 Exercise 3: ARIMA 模型（模拟数据）Exercise 4: 全球变暖 Exercise 5: ARIMA 诊断 Exercise 6: 诊断——模拟过拟合 Exercise 7: 诊断 - 全球气温 Exercise 8: ARIMA 预测 Exercise 9: 对模拟 ARIMA 进行预测 Exercise 10: 预测全球气温

您将学习如何使用季节性 ARIMA 模型对季节性时间序列进行拟合与预测。为此，您将用到前面章节所学，并学习如何扩展 stats 和 astsa 包中的 R 时间序列命令。

Exercise 1: 纯季节性模型 Exercise 2: 纯季节模型的 P/ACF Exercise 3: 拟合纯季节性模型 Exercise 4: 混合季节性模型 Exercise 5: 拟合一个混合季节性模型 Exercise 6: 数据分析 - 失业率 I Exercise 7: 数据分析——失业率 II Exercise 8: 数据分析——大宗商品价格 Exercise 9: 数据分析——出生率 Exercise 10: 季节性 ARIMA 的预测 Exercise 11: 预测月度失业率 Exercise 12: 预测大宗商品价格有多难？Exercise 13: 恭喜您！