Flytting Gjennomsnitt Funksjon I R

Flytte gjennomsnitt i R. For så vidt jeg vet, har R ikke en innebygd funksjon for å beregne bevegelige gjennomsnitt. Ved hjelp av filterfunksjonen kan vi imidlertid skrive en kort funksjon for å flytte gjennomsnitt. Vi kan da bruke funksjonen på noen data mav data eller mav data, 11 hvis vi vil spesifisere et annet antall datapunkter enn standard 5 plotting fungerer som forventet plott mav data. I tillegg til antall datapunkter over hvilke å ​​gjennomsnittlig, kan vi også endre sidebeskrivelse av filterfunksjonene side 2 bruker begge sider, sider 1 bruker kun tidligere verdier. Navigasjonsnavigasjon navigasjon navigasjon. mav c 4,5,4,6, 3 Tidsserie Start 1 End 4 Frekvens 1 1 NA 4 333333 5 000000 NA. Her jeg prøvde å gjøre et rullende gjennomsnitt som tok hensyn til de siste 3 tallene, så jeg forventet å få bare to tall tilbake 4 333333 og 5 og hvis det skulle bli NA-verdier trodde de at de var i begynnelsen av sekvens. Faktisk viser det seg at dette er hva sidens parameter controls. sides fo r bare konvoluttfiltre Hvis sider 1 er filterkoeffisientene kun for tidligere verdier hvis sider 2 de er sentrert rundt lag 0 I dette tilfellet bør filterets lengde være rart, men hvis det er jevnt, er mer av filteret fremover i tid enn bakover. Så i vår mav-funksjon ser det rullende gjennomsnitt ut begge sider av dagens verdi i stedet for bare ved tidligere verdier. Vi kan justere det for å få den oppførelsen vi ønsker. bibliotek zoo rollmean c 4,5,4,6, 3 1 4 333333 5 000000.Jeg innså også at jeg kan liste alle funksjonene i en pakke med ls-funksjonen, så jeg skal skanne zoo s liste over funksjoner neste gang jeg trenger å gjøre noe tidsserier relatert, det vil nok være en funksjon for det. ls pakke zoo 1 4 7 10 13 16 coredata coredata - 19 fasetfri 22 frekvens - indeks 25 indeks - index2char 28 MATCH 31 34 37 40 43 46 49 ORDER 52 55 58 61 64 67 70 73 76 79 82 rullelagre rullelagre rollmax 85 rollmaxr rollmean 88 rollmeanr rollmedian 91 rollmedianr rollsum 94 rollsum skalaxyearmon 97 scalexyea rqtr scaleyyearmon scaleyyearqtr 100 time - 103 xblocks 106 år gammel yearmontrans 109 yearqtr yearqtrtrans zoo 112 zooreg. Be Sosialt, Share. Using R for Time Series Analysis. Time Series Analysis. This heftet forteller deg hvordan du bruker R statistisk programvare for å utføre noen enkle analyser som er vanlige ved analyse av tidsseriedata. Denne heftet antar at leseren har noen grunnleggende kunnskaper om tidsserieanalyse, og hovedheftet i heftet er ikke å forklare tidsserieanalyse, men heller å forklare hvordan man utfører disse analysene ved hjelp av R. Hvis du er ny på tidsserieanalyse, og vil lære mer om noen av konseptene som presenteres her, vil jeg anbefale Open University-boken Tidsserien produktkode M249 02, tilgjengelig fra Open University Shop. I dette heftet, vil jeg bruke tidsseriedatasett som har blitt gjort vennlig tilgjengelig av Rob Hyndman i hans tidsregistreringsdatabibliotek. Hvis du liker dette heftet, kan du også sjekke ut min heftet på å bruke R for biomedisinsk statistikk og min hefte på bruk av R for multivariate analyse. Lesing av tidsseriedata. Det første du vil gjøre for å analysere tidsseriedataene dine, er å lese det inn i R, og å plotte tidsserier Du kan lese data inn i R ved hjelp av skannefunksjonen, som forutsetter at dataene dine for suksessive tidspunkter er i en enkel tekstfil med en kolonne. For eksempel inneholder filen data på døds alder av påfølgende konger i England, starter med William the Conqueror-originalkilden Hipel and Mcleod, 1994. Datasettet ser slik ut. Bare de første linjene i filen har blitt vist. De tre første linjene inneholder noen kommentarer til dataene, og vi vil ignorere dette når vi les dataene inn i R Vi kan bruke dette ved å bruke hoppeparameteren til skannefunksjonen, som angir hvor mange linjer øverst på filen som skal ignoreres For å lese filen inn i R, ignorerer de tre første linjene, skriver vi. I dette faller dødsaldoen på 42 påfølgende k Når du har lest tidsseriedataene i R, er det neste trinnet å lagre dataene i en tidsserieobjekt i R, slik at du kan bruke R s mange funksjoner for å analysere tid seriedata For å lagre dataene i en tidsserieobjekt bruker vi ts-funksjonen i R For eksempel, for å lagre dataene i variabelkongen som en tidsserieobjekt i R, skriver vi. Noen ganger har tidsregistreringsdatasettet som du har kan ha blitt samlet inn med jevne mellomrom som var mindre enn ett år, for eksempel månedlig eller kvartalsvis. I dette tilfellet kan du angi antall ganger dataene ble samlet inn per år ved å bruke frekvensparameteren i ts-funksjonen For månedlige tidsserier data, angir du frekvens 12, mens du for kvartals tidsseriedata angir frekvens 4. Du kan også angi det første året dataene ble samlet inn, og det første intervallet i det året ved å bruke startparameteren i ts-funksjonen. For eksempel , hvis det første datapunktet tilsvarer til andre kvartal 1986, ville du sette start c 1986,2. Et eksempel er et datasett av antall fødsler per måned i New York City, fra januar 1946 til desember 1959 opprinnelig innsamlet av Newton. Disse dataene er tilgjengelige i fil Vi kan lese dataene i R, og lagre den som en tidsserieobjekt ved å skrive. På samme måte inneholder filen månedlig salg til en suvenirbutikk på en strandby i Queensland, Australia, for januar 1987-desember 1993 opprinnelige data fra Wheelwright og Hyndman, 1998 Vi kan lese dataene inn i R ved å skrive. Plotting Time Series. Når du har lest en tidsserie i R, er det neste trinnet vanligvis å lage et plott av tidsseriedataene, som du kan gjøre med funksjonen i R. For eksempel, for å plotte tidsseriene for dødsaldoen til 42 påfølgende konger i England, skriver vi. Vi kan se fra tidsplanen at denne tidsseriene nok kunne beskrives ved hjelp av en additivmodell, siden tilfeldige svingninger i dataene er omtrent konstant i størrelse over tid kewise, for å plotte tidsserier av antall fødsler per måned i New York City, skriver vi. Vi kan se fra denne tidsserien at det ser ut til å være sesongvariasjon i antall fødsler per måned er det en topp hver sommer, og en trough hver vinter Igjen ser det ut til at denne tidsserien nok kunne beskrives ved hjelp av en additiv modell, da sesongmessige svingninger er omtrent konstant i størrelse over tid og ikke ser ut til å avhenge av tidsserien, og tilfeldigvis svingninger synes også å være omtrent konstant i størrelse over tid. På samme måte, for å plotte tidsserien til det månedlige salget til souvenirbutikken på en strandbyby i Queensland, Australia, skriver vi. I dette tilfellet ser det ut til at en tilsetningsmodell er ikke hensiktsmessig for å beskrive denne tidsserien, siden størrelsen på sesongmessige svingninger og tilfeldige svingninger ser ut til å øke med tidsserienivået. Derfor må vi kanskje forandre tidsseriene for å få en transformert tidsserie tha t kan beskrives ved hjelp av en additivmodell. For eksempel kan vi forandre tidsserien ved å beregne den naturlige loggen til de opprinnelige dataene. Her ser vi at størrelsen på sesongmessige svingninger og tilfeldige svingninger i de loggformede tidsseriene synes å være omtrent konstant over tid, og ikke avhenge av tidsserien. Dermed kan de log-transformerte tidsseriene sannsynligvis beskrives ved hjelp av en additiv modell. Komposisjonstidsserie. Ved å komponere en tidsserie betyr det å skille den inn i dens bestanddeler, som vanligvis er en trendkomponent og en uregelmessig komponent, og hvis det er en sesongmessig tidsserie, en sesongbestandig komponent. Komponenter uten sesongdata. En ikke-sesongmessig tidsserie består av en trendkomponent og en uregelmessig komponent. Dekomponering av tidsserien involverer prøver å skille tidsseriene i disse komponentene, det vil si estimering av trendkomponenten og den uregelmessige komponenten. For å estimere trendkomponenten i en sesongmessig tid ser som kan beskrives ved hjelp av en additivmodell, er det vanlig å bruke en utjevningsmetode, for eksempel å beregne det enkle glidende gjennomsnittet av tidsseriene. SMA-funksjonen i TTR R-pakken kan brukes til å jevne tidsseriedata ved hjelp av en enkel glidende gjennomsnitt For å bruke denne funksjonen må vi først installere TTR R-pakken for instruksjoner om hvordan du installerer en R-pakke. Se Slik installerer du en R-pakke Når du har installert TTR R-pakken, kan du laste TTR R-pakken med typing. You kan deretter bruke SMA-funksjonen til å glatte tidsseriedata For å bruke SMA-funksjonen må du angi rekkefølgen for det enkle glidende gjennomsnittet ved å bruke parameteren n For eksempel å beregne et enkelt glidende gjennomsnitt av rekkefølge 5, vi angir n 5 i SMA-funksjonen. For eksempel, som omtalt ovenfor, vises tidsserien for dødsaldoen til 42 påfølgende konger i England, som ikke er sesongmessig, og kan sannsynligvis beskrives ved hjelp av en additiv modell, siden tilfeldige svingninger i dataene er omtrent ulempe tant i størrelse over tid. Så vi kan prøve å estimere trendkomponenten i denne tidsserien ved å glatte ut ved hjelp av et enkelt glidende gjennomsnitt. For å glatte tidsseriene ved å bruke et enkelt glidende gjennomsnitt av rekkefølge 3, og plotte de glatte tidsseriedataene, vi type. Det ser fortsatt ut til å være ganske mange tilfeldige fluktuasjoner i tidsserieene utjevnet ved hjelp av et enkelt bevegelig gjennomsnitt av rekkefølge 3. For å estimere trendkomponenten mer nøyaktig, vil vi kanskje prøve å utjevne dataene med et enkelt glidende gjennomsnitt på en høyere rekkefølge Dette tar litt prøve og feil for å finne riktig utjevning. For eksempel kan vi prøve å bruke et enkelt bevegelig gjennomsnitt av rekkefølge 8. Dataene jevnet med et enkelt glidende gjennomsnitt av ordre 8 gir en klarere bilde av trendkomponenten, og vi kan se at engelske kongers dødsår ser ut til å ha gått ned fra om lag 55 år til rundt 38 år under regjering av de første 20 kongene, og deretter økt etter det til ca. 73 år med t slutten av regjeringen til den 40. konge i tidsseriene. Komponering av sesongdata. En sesongbasert tidsserie består av en trendkomponent, en sesongbestandig komponent og en uregelmessig komponent. Avkomponering av tidsserien betyr at tidsseriene skilles i disse tre komponentene som er , estimering av disse tre komponentene. For å beregne trendkomponenten og sesongbestanddelen av en sesongmessig tidsserie som kan beskrives ved hjelp av en additivmodell, kan vi bruke dekomponeringsfunksjonen i R Denne funksjonen anslår trenden, sesongmessige og uregelmessige komponenter av en tid serier som kan beskrives ved hjelp av en additivmodell. Funksjonen dekomponerer returnerer et listobjekt som resultat der estimatene for sesongkomponenten, trendkomponenten og uregelmessig komponent lagres i navngitte elementer i listelobene, kalt sesongmessige, trend og tilfeldigvis. For eksempel, som nevnt ovenfor, er tidsserien av antall fødsler per måned i New York City sesongmessig med en topp hver sommer og trough hver vinter, og kan sannsynligvis beskrives ved hjelp av en additiv modell siden sesongmessige og tilfeldige svingninger ser ut til å være omtrent konstant i størrelse over tid. For å estimere trenden, sesongmessige og uregelmessige komponenter i denne tidsserien, skriver vi. Estimerte verdier av sesongmessige, trend og uregelmessige komponenter er nå lagret i variabler birthstimeseriescomponents sesongmessige, birthstimeseriescomponents trend og birthstimeseriescomponents random. For eksempel kan vi skrive ut estimerte verdier av sesongkomponenten ved å skrive. De estimerte sesongfaktorene er gitt for månedene januar til desember , og er de samme for hvert år Den største sesongfaktoren er for juli om lag 1 46, og den laveste er for februar om -2 08, noe som tyder på at det synes å være en topp i fødselene i juli og et trough i fødselene i februar hver år. Vi kan plotte den estimerte trenden, sesongmessige og uregelmessige komponenter i tidsseriene ved å bruke plottfunksjonen, for eksempel. Plottet over viser s den opprinnelige tidsserien toppen, den estimerte trendkomponenten andre fra toppen, den estimerte sesongbestanddelen tredje fra toppen og den estimerte uregelmessige komponentbunnen. Vi ser at den estimerte trendkomponenten viser en liten nedgang fra ca 24 i 1947 til ca 22 i 1948 , etterfulgt av en jevn økning fra da av til omtrent 27 i 1959. Sesongjustering. Hvis du har en sesongmessig tidsserie som kan beskrives ved hjelp av en additivmodell, kan du sesongmessig justere tidsserien ved å estimere sesongkomponenten og trekke fra Anslått sesongkomponent fra den opprinnelige tidsserien Vi kan gjøre dette ved å anslå sesongkomponenten beregnet av dekomponeringsfunksjonen. For eksempel kan sesongjusteringen av tidsseriene av antall fødsler per måned i New York City estimere sesongbestandig komponent ved å dekomponere, og deretter trekke sesongkomponenten fra den opprinnelige tidsserien. Vi kan da plotte de sesongjusterte tidsseriene ved hjelp av p mye funksjon ved å skrive. Du kan se at sesongvariasjonen er fjernet fra sesongjusterte tidsserier. Den sesongjusterte tidsserien inneholder nå bare trendkomponenten og en uregelmessig komponent. Foreslår bruk av eksponentiell utjevning. Eksponensiell utjevning kan brukes til å lage kortsiktige prognoser for tidsseriedata. Simple eksponensiell utjevning. Hvis du har en tidsserie som kan beskrives ved hjelp av en additiv modell med konstant nivå og ingen sesongmessighet, kan du bruke enkel eksponensiell utjevning for å gjøre kortsiktige prognoser. Den enkle eksponensielle utjevningsmetode gir en måte å estimere nivået på nåværende tidspunktspunkt Utjevning styres av parameteren alfa for estimat av nivået på nåværende tidspunktspunkt Verdien av alfa ligger mellom 0 og 1 Verdier av alfa som er nær 0 gjennomsnitt den lille vekten er plassert på de siste observasjonene når man lager prognoser for fremtidige verdier. For eksempel inneholder filen total årlig nedbør i inches for London, fra 1813-1912 originale data fra Hipel og McLeod, 1994 Vi kan lese dataene inn i R og plotte den ved å skrive. Du kan se fra plottet at det er omtrent konstant nivå, gjennomsnittet forblir konstant på omtrent 25 inches. tilfeldige svingninger i tidsseriene ser ut til å være omtrent konstant i størrelse over tid, så det er sannsynligvis hensiktsmessig å beskrive dataene ved hjelp av en additivmodell. Dermed kan vi lage prognoser ved hjelp av enkel eksponensiell utjevning. For å gjøre prognoser ved bruk av enkel eksponensiell utjevning i R, vi kan passe til en enkel eksponentiell utjevningsforutsigbar modell ved hjelp av HoltWinters-funksjonen i R For å bruke HoltWinters for enkel eksponensiell utjevning, må vi sette parameterne beta FALSE og gamma FALSE i HoltWinters-funksjonen, beta - og gamma parametrene brukes til Holts eksponensielle utjevning , eller Holt-Winters eksponensiell utjevning, som beskrevet nedenfor. HoltWinters-funksjonen returnerer en listevariabel, som inneholder flere navngitte elementer. For eksempel å bruke enkle ex ponensiell utjevning for å lage prognoser for tidsserien av årlig nedbør i London, skriver vi. Utgangene fra HoltWinters forteller oss at den estimerte verdien av alfa-parameteren er ca. 0 024 Dette er svært nær null, og forteller oss at prognosene er basert på både nyere og mindre nylige observasjoner, selv om noe mer vekt legges på de siste observasjonene. Som standard gjør HoltWinters bare prognoser for samme tidsperiode som dekkes av våre originale tidsserier. I dette tilfellet inneholdt vår originale tidsserie nedbør for London fra 1813- 1912, så prognosene er også for 1813-1912.I eksemplet ovenfor har vi lagret utdataene fra HoltWinters-funksjonen i listen variabelen rainseriesforecasts. Prognosene laget av HoltWinters lagres i et navngitt element i denne listevariablen som kalles utstyrt, så vi kan få sine verdier ved å skrive. Vi kan plotte den opprinnelige tidsseriene mot prognosene ved å skrive. Plottet viser de opprinnelige tidsseriene i svart, og prognosene som røde linje Tidsserier av prognoser er mye jevnere enn tidsserien til de opprinnelige dataene her. Som et mål på nøyaktigheten av prognosene kan vi beregne summen av kvadratfeil for prognosefeilene, det vil si prognosen feil for tidsperioden dekket av vår opprinnelige tidsserie Summen av kvadratfeilene er lagret i et navngitt element i listen variabelen rainseriesforecasts som kalles SSE, slik at vi kan få verdien ved å skrive. Det er her summen av - squared-feil er 1828 855. Det er vanlig i enkel eksponensiell utjevning for å bruke den første verdien i tidsserien som den opprinnelige verdien for nivået. For eksempel i tidsserien for nedbør i London er den første verdien 23 56 tommer for nedbør i 1813 Du kan angi startverdien for nivået i HoltWinters-funksjonen ved å bruke parameteren For eksempel, for å lage prognoser med den opprinnelige verdien av nivået satt til 23 56, skriver vi. Som forklart ovenfor, som standard HoltWinters bare gjør prognoser for tiden periode som dekkes av de opprinnelige dataene som er 1813-1912 for nedbørstidsserien Vi kan lage prognoser for ytterligere tidspunkter ved å bruke funksjonen i R-prospektpakken For å bruke funksjonen må vi først installere prognosen R-pakken for instruksjoner om hvordan du installerer en R-pakke, se Hvordan installere en R-pakke. Når du har installert prognosen R-pakken, kan du laste inn prognosen R-pakken ved å skrive. Når du bruker funksjonen, sender du den som den første argumentinngangen forutsigbar modell som du allerede har montert ved hjelp av HoltWinters-funksjonen For eksempel, når det gjelder nedbørstidseriene, lagret vi den prediktive modellen laget med HoltWinters i variabelen rainseriesforecasts Du angir hvor mange andre tidspunkter du vil gjøre prognoser for ved å bruke h-parameteren i For eksempel å lage en prognose for nedbør for årene 1814-1820 8 flere år ved å bruke vi type. Funksjonen gir deg prognosen for et år, et 80 prediksjonsintervall for prognosen, og et prognoseintervall på 95 for prognosen. For eksempel er prognosen nedbør for 1920 omtrent 24 68 tommer, med et 95 prediksjonsintervall på 16 24, 33 11. For å plotte de forutsetningene som er gjort av, kan vi bruke funksjonen. Her prognosene for 1913-1920 er plottet som en blå linje, det 80 prediksjonsintervallet som et oransje skyggelagt område og 95-prediksjonsintervallet som et gul skygget område. Prognosefeilene beregnes som de observerte verdiene minus predikte verdier, for hvert tidspunkt Vi kan bare beregne prognosefeilene for tidsperioden dekket av vår opprinnelige tidsserie, som er 1813-1912 for nedbørsdataene Som nevnt ovenfor er et mål på nøyaktigheten av den prediktive modellen summen av kvadratfeilene SSE for in-sample prognose feil. In-sample prognose feil lagres i de oppnådde elementene residualer av listevariabelen returnert av Hvis den prediktive modellen ikke kan forbedres på, bør det ikke være noen korrelasjoner mellom prognosefeil for etterfølgende spådommer ioner Med andre ord, hvis det er sammenheng mellom prognosefeil for etterfølgende forutsetninger, er det sannsynlig at de enkle eksponensielle utjevningsprognosene kan forbedres ved hjelp av en annen prognostiseringsteknikk. For å finne ut om dette er tilfelle, kan vi få et korrelogram av in-sample prognose feil for lags 1-20 Vi kan beregne et korrelogram av prognosefeilene ved hjelp av acf-funksjonen i R For å spesifisere maksimal lagring som vi vil se på, bruker vi parameteren i acf. For eksempel beregner vi en korrelogram av prognosefeilene for London-nedbørsdata for lags 1-20, skriver vi. Du kan se fra prøvekorrelogrammet at autokorrelasjonen ved lag 3 bare berører signifikansgrensene For å teste om det foreligger signifikant bevis for ikke - - Zero korrelasjoner på lags 1-20, kan vi utføre en Ljung-Box test Dette kan gjøres i R ved hjelp av funksjonen Maksimal lag som vi vil se på er spesifisert ved hjelp av lag parameter i funksjonen For eksempel , for å teste om det ikke er null-autokorrelasjoner på lags 1-20, for prognosefeilene for London nedbørsdata, skriver vi. Her er Ljung-Box-teststatistikken 17 4, og p-verdien er 0 6 , så det er lite bevis på ikke-null autokorrelasjoner i prognoseproblemene ved lags 1-20. For å være sikker på at den prediktive modellen ikke kan forbedres, er det også en god ide å sjekke om prognosefeilene normalt er distribuert med gjennomsnittlig null og konstant varianse For å sjekke om prognosefeilene har konstant varianse, kan vi lage en tidssplott av prognosefeilene for prospektet. Plottet viser at prognosefeilene for problemer synes å ha omtrent konstant variasjon over tid, selv om størrelsen på svingningene i starten av tidsserien 1820-1830 kan være litt mindre enn den på senere datoer, f. eks. 1840-1850. For å sjekke om prognosefeilene normalt fordeles med gjennomsnittlig null, kan vi plotte et histogram av prognose feil, med en overlaid normal kurve ve som har gjennomsnittlig null og samme standardavvik som fordeling av prognosefeil. For å gjøre dette kan vi definere en R-funksjon plotForecastErrors nedenfor. Du må kopiere funksjonen over til R for å kunne bruke den. Du kan deretter bruke plotForecastErrors å plotte et histogram med overlaid normal kurve av prognosefeilene for nedbørsprognosene. Plottet viser at fordelingen av prognosefeil er omtrentlig sentrert på null, og er mer eller mindre normalt fordelt, selv om det ser ut til å være litt skjevt til høyre sammenlignet med en normal kurve Den rette skjev er imidlertid relativt liten, og det er så trolig at prognosefeilene normalt fordeles med gjennomsnittlig null. Ljung-Box-testen viste at det er lite bevis på ikke-null autokorrelasjoner i in - prognosefeilproblemer, og fordelingen av prognosefeil ser ut til å være normalt fordelt med gjennomsnittlig null Dette antyder at den enkle eksponensielle utjevningsmetoden gir en tilstrekkelig prediktiv m Odel for London-nedbør, som sannsynligvis ikke kan forbedres. Videre var forutsetningene om at intervjuene mellom 80 og 95 var basert på at det ikke er noen autokorrelasjoner i prognosefeilene, og prognosefeilene er normalt fordelt med gjennomsnittlig null og konstant varians er sannsynligvis valid. Holt s Exponential Smoothing. If du har en tidsserie som kan beskrives ved hjelp av en additiv modell med økende eller avtagende trend og ingen sesongmessighet, kan du bruke Holt s eksponensiell utjevning for å gjøre kortsiktige prognoser. Holts eksponensielle utjevning anslår nivå og skråning på nåværende tidspunkt. Utjevning styres av to parametere, alfa, for estimering av nivået på det nåværende tidspunktet og beta for estimatet av helling b av trendkomponenten på det nåværende tidspunktet. Som med enkel eksponensiell utjevning, parametre alfa og beta har verdier mellom 0 og 1, og verdier som er nær 0 betyr at den lille vekten er plassert på den mest rec ent observasjoner når man lager prognoser for fremtidige verdier. Et eksempel på en tidsserie som sannsynligvis kan beskrives ved hjelp av en tilsetningsmodell med en trend og ingen sesongmessighet, er tidsserien til den årlige diameteren av kvinners skjørt i hagen, fra 1866 til 1911 Dataene er tilgjengelige i filens originale data fra Hipel og McLeod, 1994. Vi kan lese inn og plotte dataene i R ved å skrive. Vi kan se fra plottet at det var en økning i diameteren fra ca. 600 i 1866 til ca. 1050 i 1880, og at etterpå gikk neddiameteren til ca 520 i 1911. For å gjøre prognoser kan vi passe en forutsigbar modell ved hjelp av HoltWinters-funksjonen i R For å bruke HoltWinters for Holts eksponensielle utjevning, må vi sette parameteren gamma FALSE Gamma-parameteren brukes til Holt-Winters eksponensiell utjevning, som beskrevet nedenfor. For eksempel, for å bruke Holt s eksponensiell utjevning for å passe en forutsigbar modell for skjørtets diameter, skriver vi. Den estimerte verdien av alfa er 0 84 og av beta er 1 00 Th ese er begge høye og forteller oss at både estimatene for nåverdien av nivået og hellingen b av trendkomponenten er basert hovedsakelig på svært nylige observasjoner i tidsseriene. Dette gir god intuitiv følelse, siden nivået og Hellingen av tidsseriene endrer seg ganske mye over tid Verdien av sum-of-squared-feilene for prognosefeilene er 16954. Vi kan plotte de opprinnelige tidsseriene som en svart linje med de prognostiserte verdiene som en rød linje på toppen av det ved å skrive. Vi kan se fra bildet at prognosene i prøven stemmer ganske godt med de observerte verdiene, selv om de har en tendens til å ligge bak de observerte verdiene litt. Hvis du ønsker det, vil du kan angi startverdiene til nivået og hellingen b av trendkomponenten ved hjelp av og argumentene for HoltWinters-funksjonen. Det er vanlig å sette innledningsverdien til nivået til den første verdien i tidsserien 608 for skjørtdataene, og den opprinnelige verdien av hellingen til seko nd-verdi minus den første verdien 9 for skjørtdataene For eksempel, for å passe en forutsigbar modell til skjørtet-dataene ved hjelp av Holt s eksponensiell utjevning, med innledende verdier på 608 for nivået og 9 for helling b av trendkomponenten, type. Som for enkel eksponensiell utjevning kan vi lage prognoser for fremtidige tider som ikke er dekket av de opprinnelige tidsseriene ved å bruke funksjonen i prognosepakken. For eksempel var våre tidsseriedata for skjørtbom i 1866 til 1911, slik at vi kan lage prognoser for 1912 til 1930 19 flere datapunkter, og plott dem ved å skrive. Prognosene vises som en blå linje, med de 80 prediksjonsintervallene som et oransje skyggelagt område, og de 95 prediksjonsintervaller som et gul skyggefullt område. Som for enkel eksponensiell utjevning, kan vi sjekke om den prediktive modellen kan forbedres ved å sjekke om prognosefeilene i prøven viser ikke-null-autokorrelasjoner ved lag 1-20. For eksempel på skjørtet data kan vi lage et korrelogram, og utfør th e Ljung-Box-test ved å skrive. Her viser korrelogrammet at prøveautokorrelasjonen for prognosefeilene ved lag 5 overstiger signifikansgrensene. Vi forventer imidlertid at en av 20 autokorrelasjoner for de første tjue lagene vil overstige 95 signifikansgrenser ved en tilfeldighet alene Faktisk, når vi utfører Ljung-Box-testen, er p-verdien 0 47, noe som indikerer at det er lite bevis på ikke-null autokorrelasjoner i prognosefeilene ved lags 1-20. Når det gjelder enkel eksponensiell utjevning, bør vi også kontrollere at prognosefeilene har konstant varians over tid, og blir normalt distribuert med gjennomsnittlig null. Vi kan gjøre dette ved å lage en tidssplott av prognosefeil og et histogram av fordelingen av prognosefeil med en overlaid normal kurve. Tidsplanen for prognosefeil viser at prognosefeilene har omtrent konstant variasjon over tid. Histogrammet av prognosefeil viser at det er troverdig at prognosefeilene normalt fordeles med gjennomsnittlig null og konstant varians. Derfor viser Ljung-Box-testen at det er lite bevis på autokorrelasjoner i prognosefeilene, mens tidsplanen og histogrammet av prognosefeil viser at det er troverdig at prognosefeilene normalt fordeles med gjennomsnitt null og konstant varianse Derfor kan vi konkludere med at Holts eksponensielle utjevning gir en tilstrekkelig prediktiv modell for skjørthodediametre, som sannsynligvis ikke kan forbedres. I tillegg betyr det at antagelsene om at intervjuene mellom 80 og 95 var basert på, er sannsynligvis valid. Holt-Winters Exponential Smoothing. If du har en tidsserie som kan beskrives ved hjelp av en additiv modell med økende eller redusert trend og sesongmessighet, kan du bruke Holt-Winters eksponensiell utjevning for å gjøre kortsiktige prognoser. Holde-Vinter eksponensiell utjevning anslår nivået, skråningen og sesongkomponenten på det nåværende tidspunktet Utjevning styres av tre parametere alfa, beta og ga mma, for estimatene av nivået, helling b av trendkomponenten og sesongkomponenten henholdsvis på nåværende tidspunktspunkt Parametrene alpha, beta og gamma har alle verdier mellom 0 og 1 og verdier som er nær 0 betyr at relativt liten vekt plasseres på de siste observasjonene når man lager prognoser for fremtidige verdier. Et eksempel på en tidsserie som sannsynligvis kan beskrives ved hjelp av en additivmodell med en trend og sesongmessighet, er tidsrommene i loggen av månedlig salg for Souvenirbutikken på en strandbyby i Queensland, Australia, diskutert ovenfor. For å gjøre prognoser kan vi passe en forutsigbar modell ved hjelp av HoltWinters-funksjonen. For eksempel, for å passe en forutsigbar modell for loggen av det månedlige salget i souvenirbutikken, vi De estimerte verdiene for alfa, beta og gamma er henholdsvis 0 41, 0 00 og 0 96. Verdien av alfa 0 41 er relativt lav, noe som indikerer at estimatet av nivået ved nåværende tidspunkt er basert på begge recepter nt observasjoner og noen observasjoner i den fjernere fortiden Verdien av beta er 0 00, noe som indikerer at estimatet av helling b av trendkomponenten ikke oppdateres over tidsseriene, og i stedet settes lik sin opprinnelige verdi. Dette gjør det bra intuitiv forstand, da nivået endres ganske litt over tidsserien, men trenden b av trendkomponenten forblir omtrent det samme. I motsetning er verdien av gamma 0 96 høy, noe som indikerer at estimatet av sesongkomponenten ved strømmen Tidspunktet er bare basert på meget nyere observasjoner. Som for enkel eksponensiell utjevning og Holts eksponensielle utjevning, kan vi plotte de opprinnelige tidsseriene som en svart linje med de prognostiserte verdiene som en rød linje på toppen av det. Vi ser fra plott at Holt-Winters eksponentielle metode er svært vellykket med å forutse sesongmessige toppene, som forekommer omtrent i november hvert år. For å gjøre prognoser for fremtidige tider ikke inkludert i de opprinnelige tidsseriene, bruker vi funksjonen i prognosepakken For eksempel er de opprinnelige dataene for souvenirsalget fra januar 1987 til desember 1993 Hvis vi ønsket å lage prognoser for januar 1994 til desember 1998 48 flere måneder, og plotte prognosene, ville vi skrive. Prognosene vises som en blå linje og de oransje og gule skyggelagte områdene viser henholdsvis 80 og 95 prediksjonsintervaller. Vi kan undersøke om den prediktive modellen kan forbedres ved å sjekke om prospektfeilene i prøven viser ikke-null autokorrelasjoner ved lag 1-20 , ved å lage et korrelogram og utføre Ljung-Box-testen. Korrelogrammet viser at autokorrelasjonene for prognosefeilene ikke overstiger signifikansgrenser for lags 1-20. Videre er p-verdien for Ljung-Box-testen 0 6, indicating that there is little evidence of non-zero autocorrelations at lags 1-20.We can check whether the forecast errors have constant variance over time, and are normally distributed with mean zero, by making a time plot of the forecast errors and a histogram with overlaid normal curve. From the time plot, it appears plausible that the forecast errors have constant variance over time From the histogram of forecast errors, it seems plausible that the forecast errors are normally distributed with mean zero. Thus, there is little evidence of autocorrelation at lags 1-20 for the forecast errors, and the forecast errors appear to be normally distributed with mean zero and constant variance over time This suggests that Holt-Winters exponential smoothing provides an adequate predictive model of the log of sales at the souvenir shop, which probably cannot be improved upon Furthermore, the assumptions upon which the prediction intervals were based are probably valid. ARIMA Models. Exponential smoothing methods are useful for making forecasts, and make no assumptions about the correlations between successive values of the time series However, if you want to make prediction intervals for forecasts made using exponential smoothing methods, the prediction intervals require that the forecast errors are uncorrelated and are normally distributed with mean zero and constant variance. While exponential smoothing methods do not make any assumptions about correlations between successive values of the time series, in some cases you can make a better predictive model by taking correlations in the data into account Autoregressive Integrated Moving Average ARIMA models include an explicit statistical model for the irregular component of a time series, that allows for non-zero autocorrelations in the irregular component. Differencing a Time Series. ARIMA models are defined for stationary time series Therefore, if you start off with a non-stationary time series, you will first need to difference the time series until you obtain a stationary time series If you have to difference the time series d times to obtain a stationary series, then you have an ARIMA p, d,q model, where d is the order of differencing used. You can d ifference a time series using the diff function in R For example, the time series of the annual diameter of women s skirts at the hem, from 1866 to 1911 is not stationary in mean, as the level changes a lot over time. We can difference the time series which we stored in skirtsseries , see above once, and plot the differenced series, by typing. The resulting time series of first differences above does not appear to be stationary in mean Therefore, we can difference the time series twice, to see if that gives us a stationary time series. Formal tests for stationarity. Formal tests for stationarity called unit root tests are available in the fUnitRoots package, available on CRAN, but will not be discussed here. The time series of second differences above does appear to be stationary in mean and variance, as the level of the series stays roughly constant over time, and the variance of the series appears roughly constant over time Thus, it appears that we need to difference the time series of th e diameter of skirts twice in order to achieve a stationary series. If you need to difference your original time series data d times in order to obtain a stationary time series, this means that you can use an ARIMA p, d,q model for your time series, where d is the order of differencing used For example, for the time series of the diameter of women s skirts, we had to difference the time series twice, and so the order of differencing d is 2 This means that you can use an ARIMA p,2,q model for your time series The next step is to figure out the values of p and q for the ARIMA model. Another example is the time series of the age of death of the successive kings of England see above. From the time plot above , we can see that the time series is not stationary in mean To calculate the time series of first differences, and plot it, we type. The time series of first differences appears to be stationary in mean and variance, and so an ARIMA p,1,q model is probably appropriate for the time series of the age of death of the kings of England By taking the time series of first differences, we have removed the trend component of the time series of the ages at death of the kings, and are left with an irregular component We can now examine whether there are correlations between successive terms of this irregular component if so, this could help us to make a predictive model for the ages at death of the kings. Selecting a Candidate ARIMA Model. If your time series is stationary, or if you have transformed it to a stationary time series by differencing d times, the next step is to select the appropriate ARIMA model, which means finding the values of most appropriate values of p and q for an ARIMA p, d,q model To do this, you usually need to examine the correlogram and partial correlogram of the stationary time series. To plot a correlogram and partial correlogram, we can use the acf and pacf functions in R, respectively To get the actual values of the autocorrelations and partial autocorrela tions, we set plot FALSE in the acf and pacf functions. Example of the Ages at Death of the Kings of England. For example, to plot the correlogram for lags 1-20 of the once differenced time series of the ages at death of the kings of England, and to get the values of the autocorrelations, we type. We see from the correlogram that the autocorrelation at lag 1 -0 360 exceeds the significance bounds, but all other autocorrelations between lags 1-20 do not exceed the significance bounds. To plot the partial correlogram for lags 1-20 for the once differenced time series of the ages at death of the English kings, and get the values of the partial autocorrelations, we use the pacf function, by typing. The partial correlogram shows that the partial autocorrelations at lags 1, 2 and 3 exceed the significance bounds, are negative, and are slowly decreasing in magnitude with increasing lag lag 1 -0 360, lag 2 -0 335, lag 3 -0 321 The partial autocorrelations tail off to zero after lag 3.Since the corr elogram is zero after lag 1, and the partial correlogram tails off to zero after lag 3, this means that the following ARMA autoregressive moving average models are possible for the time series of first differences. an ARMA 3,0 model, that is, an autoregressive model of order p 3, since the partial autocorrelogram is zero after lag 3, and the autocorrelogram tails off to zero although perhaps too abruptly for this model to be appropriate. an ARMA 0,1 model, that is, a moving average model of order q 1, since the autocorrelogram is zero after lag 1 and the partial autocorrelogram tails off to zero. an ARMA p, q model, that is, a mixed model with p and q greater than 0, since the autocorrelogram and partial correlogram tail off to zero although the correlogram probably tails off to zero too abruptly for this model to be appropriate. We use the principle of parsimony to decide which model is best that is, we assume that the model with the fewest parameters is best The ARMA 3,0 model has 3 param eters, the ARMA 0,1 model has 1 parameter, and the ARMA p, q model has at least 2 parameters Therefore, the ARMA 0,1 model is taken as the best model. An ARMA 0,1 model is a moving average model of order 1, or MA 1 model This model can be written as Xt - mu Zt - theta Zt-1 , where Xt is the stationary time series we are studying the first differenced series of ages at death of English kings , mu is the mean of time series Xt, Zt is white noise with mean zero and constant variance, and theta is a parameter that can be estimated. A MA moving average model is usually used to model a time series that shows short-term dependencies between successive observations Intuitively, it makes good sense that a MA model can be used to describe the irregular component in the time series of ages at death of English kings, as we might expect the age at death of a particular English king to have some effect on the ages at death of the next king or two, but not much effect on the ages at death of kings that reign much longer after that. Shortcut the function. The function can be used to find the appropriate ARIMA model, eg type library forecast , then The output says an appropriate model is ARIMA 0,1,1.Since an ARMA 0,1 model with p 0, q 1 is taken to be the best candidate model for the time series of first differences of the ages at death of English kings, then the original time series of the ages of death can be modelled using an ARIMA 0,1,1 model with p 0, d 1, q 1, where d is the order of differencing required. Example of the Volcanic Dust Veil in the Northern Hemisphere. Let s take another example of selecting an appropriate ARIMA model The file file contains data on the volcanic dust veil index in the northern hemisphere, from 1500-1969 original data from Hipel and Mcleod, 1994 This is a measure of the impact of volcanic eruptions release of dust and aerosols into the environment We can read it into R and make a time plot by typing. From the time plot, it appears that the random fluctuat ions in the time series are roughly constant in size over time, so an additive model is probably appropriate for describing this time series. Furthermore, the time series appears to be stationary in mean and variance, as its level and variance appear to be roughly constant over time Therefore, we do not need to difference this series in order to fit an ARIMA model, but can fit an ARIMA model to the original series the order of differencing required, d, is zero here. We can now plot a correlogram and partial correlogram for lags 1-20 to investigate what ARIMA model to use. We see from the correlogram that the autocorrelations for lags 1, 2 and 3 exceed the significance bounds, and that the autocorrelations tail off to zero after lag 3 The autocorrelations for lags 1, 2, 3 are positive, and decrease in magnitude with increasing lag lag 1 0 666, lag 2 0 374, lag 3 0 162.The autocorrelation for lags 19 and 20 exceed the significance bounds too, but it is likely that this is due to chance, sin ce they just exceed the significance bounds especially for lag 19 , the autocorrelations for lags 4-18 do not exceed the signifiance bounds, and we would expect 1 in 20 lags to exceed the 95 significance bounds by chance alone. From the partial autocorrelogram, we see that the partial autocorrelation at lag 1 is positive and exceeds the significance bounds 0 666 , while the partial autocorrelation at lag 2 is negative and also exceeds the significance bounds -0 126 The partial autocorrelations tail off to zero after lag 2.Since the correlogram tails off to zero after lag 3, and the partial correlogram is zero after lag 2, the following ARMA models are possible for the time series. an ARMA 2,0 model, since the partial autocorrelogram is zero after lag 2, and the correlogram tails off to zero after lag 3, and the partial correlogram is zero after lag 2.an ARMA 0,3 model, since the autocorrelogram is zero after lag 3, and the partial correlogram tails off to zero although perhaps too abrupt ly for this model to be appropriate. an ARMA p, q mixed model, since the correlogram and partial correlogram tail off to zero although the partial correlogram perhaps tails off too abruptly for this model to be appropriate. Shortcut the function. Again, we can use to find an appropriate model, by typing , which gives us ARIMA 1,0,2 , which has 3 parameters However, different criteria can be used to select a model see help page If we use the bic criterion, which penalises the number of parameters, we get ARIMA 2,0,0 , which is ARMA 2,0 bic. The ARMA 2,0 model has 2 parameters, the ARMA 0,3 model has 3 parameters, and the ARMA p, q model has at least 2 parameters Therefore, using the principle of parsimony, the ARMA 2,0 model and ARMA p, q model are equally good candidate models. An ARMA 2,0 model is an autoregressive model of order 2, or AR 2 model This model can be written as Xt - mu Beta1 Xt-1 - mu Beta2 Xt-2 - mu Zt, where Xt is the stationary time series we are studying the time series of v olcanic dust veil index , mu is the mean of time series Xt, Beta1 and Beta2 are parameters to be estimated, and Zt is white noise with mean zero and constant variance. An AR autoregressive model is usually used to model a time series which shows longer term dependencies between successive observations Intuitively, it makes sense that an AR model could be used to describe the time series of volcanic dust veil index, as we would expect volcanic dust and aerosol levels in one year to affect those in much later years, since the dust and aerosols are unlikely to disappear quickly. If an ARMA 2,0 model with p 2, q 0 is used to model the time series of volcanic dust veil index, it would mean that an ARIMA 2,0,0 model can be used with p 2, d 0, q 0, where d is the order of differencing required Similarly, if an ARMA p, q mixed model is used, where p and q are both greater than zero, than an ARIMA p,0,q model can be used. Forecasting Using an ARIMA Model. Once you have selected the best candidate AR IMA p, d,q model for your time series data, you can estimate the parameters of that ARIMA model, and use that as a predictive model for making forecasts for future values of your time series. You can estimate the parameters of an ARIMA p, d,q model using the arima function in R. Example of the Ages at Death of the Kings of England. For example, we discussed above that an ARIMA 0,1,1 model seems a plausible model for the ages at deaths of the kings of England You can specify the values of p, d and q in the ARIMA model by using the order argument of the arima function in R To fit an ARIMA p, d,q model to this time series which we stored in the variable kingstimeseries , see above , we type. As mentioned above, if we are fitting an ARIMA 0,1,1 model to our time series, it means we are fitting an an ARMA 0,1 model to the time series of first differences An ARMA 0,1 model can be written Xt - mu Zt - theta Zt-1 , where theta is a parameter to be estimated From the output of the arima R function abo ve , the estimated value of theta given as ma1 in the R output is -0 7218 in the case of the ARIMA 0,1,1 model fitted to the time series of ages at death of kings. Specifying the confidence level for prediction intervals. You can specify the confidence level for prediction intervals in by using the level argument For example, to get a 99 5 prediction interval, we would type h 5, level c 99 5.We can then use the ARIMA model to make forecasts for future values of the time series, using the function in the forecast R package For example, to forecast the ages at death of the next five English kings, we type. The original time series for the English kings includes the ages at death of 42 English kings The function gives us a forecast of the age of death of the next five English kings kings 43-47 , as well as 80 and 95 prediction intervals for those predictions The age of death of the 42nd English king was 56 years the last observed value in our time series , and the ARIMA model gives the forec asted age at death of the next five kings as 67 8 years. We can plot the observed ages of death for the first 42 kings, as well as the ages that would be predicted for these 42 kings and for the next 5 kings using our ARIMA 0,1,1 model, by typing. As in the case of exponential smoothing models, it is a good idea to investigate whether the forecast errors of an ARIMA model are normally distributed with mean zero and constant variance, and whether the are correlations between successive forecast errors. For example, we can make a correlogram of the forecast errors for our ARIMA 0,1,1 model for the ages at death of kings, and perform the Ljung-Box test for lags 1-20, by typing. Since the correlogram shows that none of the sample autocorrelations for lags 1-20 exceed the significance bounds, and the p-value for the Ljung-Box test is 0 9, we can conclude that there is very little evidence for non-zero autocorrelations in the forecast errors at lags 1-20.To investigate whether the forecast error s are normally distributed with mean zero and constant variance, we can make a time plot and histogram with overlaid normal curve of the forecast errors. The time plot of the in-sample forecast errors shows that the variance of the forecast errors seems to be roughly constant over time though perhaps there is slightly higher variance for the second half of the time series The histogram of the time series shows that the forecast errors are roughly normally distributed and the mean seems to be close to zero Therefore, it is plausible that the forecast errors are normally distributed with mean zero and constant variance. Since successive forecast errors do not seem to be correlated, and the forecast errors seem to be normally distributed with mean zero and constant variance, the ARIMA 0,1,1 does seem to provide an adequate predictive model for the ages at death of English kings. Example of the Volcanic Dust Veil in the Northern Hemisphere. We discussed above that an appropriate ARIMA model fo r the time series of volcanic dust veil index may be an ARIMA 2,0,0 model To fit an ARIMA 2,0,0 model to this time series, we can type. As mentioned above, an ARIMA 2,0,0 model can be written as written as Xt - mu Beta1 Xt-1 - mu Beta2 Xt-2 - mu Zt, where Beta1 and Beta2 are parameters to be estimated The output of the arima function tells us that Beta1 and Beta2 are estimated as 0 7533 and -0 1268 here given as ar1 and ar2 in the output of arima. Now we have fitted the ARIMA 2,0,0 model, we can use the model to predict future values of the volcanic dust veil index The original data includes the years 1500-1969 To make predictions for the years 1970-2000 31 more years , we type. We can plot the original time series, and the forecasted values, by typing. One worrying thing is that the model has predicted negative values for the volcanic dust veil index, but this variable can only have positive values The reason is that the arima and functions don t know that the variable can only take posit ive values Clearly, this is not a very desirable feature of our current predictive model. Again, we should investigate whether the forecast errors seem to be correlated, and whether they are normally distributed with mean zero and constant variance To check for correlations between successive forecast errors, we can make a correlogram and use the Ljung-Box test. The correlogram shows that the sample autocorrelation at lag 20 exceeds the significance bounds However, this is probably due to chance, since we would expect one out of 20 sample autocorrelations to exceed the 95 significance bounds Furthermore, the p-value for the Ljung-Box test is 0 2, indicating that there is little evidence for non-zero autocorrelations in the forecast errors for lags 1-20.To check whether the forecast errors are normally distributed with mean zero and constant variance, we make a time plot of the forecast errors, and a histogram. The time plot of forecast errors shows that the forecast errors seem to have ro ughly constant variance over time However, the time series of forecast errors seems to have a negative mean, rather than a zero mean We can confirm this by calculating the mean forecast error, which turns out to be about -0 22.The histogram of forecast errors above shows that although the mean value of the forecast errors is negative, the distribution of forecast errors is skewed to the right compared to a normal curve Therefore, it seems that we cannot comfortably conclude that the forecast errors are normally distributed with mean zero and constant variance Thus, it is likely that our ARIMA 2,0,0 model for the time series of volcanic dust veil index is not the best model that we could make, and could almost definitely be improved upon. Links and Further Reading. Here are some links for further reading. For a more in-depth introduction to R, a good online tutorial is available on the Kickstarting R website. There is another nice slightly more in-depth tutorial to R available on the Introd uction to R website. You can find a list of R packages for analysing time series data on the CRAN Time Series Task View webpage. To learn about time series analysis, I would highly recommend the book Time series product code M249 02 by the Open University, available from the Open University Shop. There are two books available in the Use R series on using R for time series analyses, the first is Introductory Time Series with R by Cowpertwait and Metcalfe, and the second is Analysis of Integrated and Cointegrated Time Series with R by Pfaff. I am grateful to Professor Rob Hyndman for kindly allowing me to use the time series data sets from his Time Series Data Library TSDL in the examples in this booklet. Many of the examples in this booklet are inspired by examples in the excellent Open University book, Time series product code M249 02 , available from the Open University Shop. Thank you to Ravi Aranke for bringing to my attention, and Maurice Omane-Adjepong for bringing unit root tests to my attention, and Christian Seubert for noticing a small bug in plotForecastErrors Thank you for other comments to Antoine Binard and Bill Johnston. I will be grateful if you will send me Avril Coghlan corrections or suggestions for improvements to my email address alc sanger ac uk.