R(2)时间序列分析及应用之TSA安装(R语言)

简介: 本文原文连接: http://blog.csdn.net/freewebsys/article/details/45830613 转载请注明出处!1,关于时间序列时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。关于R环境搭建参考我之前

本文原文连接: http://blog.csdn.net/freewebsys/article/details/45830613 转载请注明出处!

1,关于时间序列

时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。

关于R环境搭建参考我之前写的文章:
http://blog.csdn.net/freewebsys/article/details/45825267

参考:http://baike.baidu.com/view/479624.htm
同时,我购买了一本书。感觉还是纸质书看着有感觉,在地铁上面可以打发时间。
http://item.jd.com/10490828.html

2,安装TSA

需要安装TSA库。R语言安装还是比较麻烦的,依赖啥的搞不懂。
这里只研究Mac 下面TSA库安装。
首先安装gfortan
http://cran.r-project.org/bin/macosx/tools/
下载安装:http://cran.r-project.org/bin/macosx/tools/gfortran-4.2.3.pkg

然后安装TSA,但是TSA依赖4个库,这4个库有依赖其他库,R的库管理不是很好,不能依赖下载。必须手动安装。
mac下需要下载的文件。

http://cran.r-project.org/web/packages/zoo/index.html
http://cran.r-project.org/web/packages/quadprog/index.html
http://cran.r-project.org/web/packages/nlme/index.html
http://cran.r-project.org/web/packages/tseries/index.html
http://cran.r-project.org/web/packages/locfit/index.html
http://cran.r-project.org/web/packages/mgcv/index.html
http://cran.r-project.org/web/packages/leaps/index.html
http://cran.r-project.org/web/packages/TSA/index.html

包还是比较有规律的。一般式【packages/包名称/index.html】这样的url地址。

http://cran.r-project.org/bin/macosx/contrib/3.2/zoo_1.7-12.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/quadprog_1.5-5.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/nlme_3.1-120.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/tseries_0.10-34.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/locfit_1.5-9.1.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/mgcv_1.8-6.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/leaps_2.9.tgz
http://cran.r-project.org/bin/macosx/contrib/3.2/TSA_1.01.tgz

包的下载地址也是有规律的,将【macosx】修改成【windows】就可以下载了。

进入R命令行进行安装。

install.packages("~/leaps_2.9.tgz")
install.packages("~/locfit_1.5-9.1.tgz")
install.packages("~/mgcv_1.8-6.tgz")
install.packages("~/nlme_3.1-120.tgz")
install.packages("~/tseries_0.10-34.tgz")
install.packages("~/quadprog_1.5-5.tgz")
install.packages("~/zoo_1.7-12.tgz")

###包安装是有顺序的,前一个是后一个的依赖。
###加载lib包,执行命令或通过界面勾选即可。
library("nlme", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("mgcv", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("locfit", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("quadprog", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("zoo", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("tseries", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")
library("TSA", lib.loc="/Library/Frameworks/R.framework/Versions/3.2/Resources/library")

将所有包都安装好了之后就可以安装TSA了。
加载成功会提示:(正常waring提示,可以运行TSA)


Attaching package: 'TSA'

The following objects are masked from 'package:stats':

    acf, arima

The following object is masked from 'package:utils':

    tar

上面操作必须正确,否则会报错:

there is no package called 'zoo'
Error: package or namespace load failed for 'tseries'
there is no package called 'quadprog'
Error: package or namespace load failed for 'tseries'
##必须安装gfortran
Library not loaded: /Library/Frameworks/R.framework/Versions/3.2/Resources/lib/libgfortran.2.dylib
Error: package 'leaps' required by 'TSA' could not be found

必须下载相应操作系统的包,否则会不识别。

is not available (for R version 3.2.0)

3,hello world TSA

洛杉矶年降水量时间序列图。

TSA库,安装成功才能运行。

library(TSA)
data(larain)
plot(larain,type='o')

显示结果:

4,总结

本文原文连接: http://blog.csdn.net/freewebsys/article/details/45830613 转载请注明出处!

R语言做时间序列分析非常方便,重要的分析工具。能够图形化显示数据,简单高效。但是安装TSA比较繁琐,安装包不太友好,不能自动安装依赖。但是分析数据真的很方便高效。

从看似没有关系的数据中分析出有用的信息。是数学应用的重要的地方,今后花大量时间研究。这个才是最有用的价值。

目录
相关文章
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
3月前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
62 3
|
8月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
8月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
4月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
5月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
5月前
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
|
5月前
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
93 3
|
8月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)