时间序列
时间序列（简称时序），对时序数据的研究包括两个基本问题：对数据的描述（这段时间内发生了什么）以及预测（接下来将会发生什么）。对时间序列数据未来值进行预测是基本的人类活动，对时序数据的研究在现实世界中也有着广泛的应用。经济学家尝试通过时序分析理解并预测金融市场；城市规划者基于时序数据预测未来的交通需求；气候学家通过时序数据预测全球气候变化；公司需要时序分析来预测产品的需求及未来销量等诸多应用。描述时序数据和预测未来值的方法有很多，而R软件具备很多其他软件都不具备的精细时序分析工具。
时序分析会用到的函数
用到的数据集
1 在 R 中生成时序对象
在R中分析时间序列的前提是我们将分析对象转成时间序列对象（time-series object），即R中一种包括观测值、起始时间、终止时间以及周期（如月、季度或年）的结构。只有将数据转成时间序列对象后，我们才能用各种时序方法对其进行分析、建模和绘图。
一个数值型向量或数据框中的一列可通过ts()函数存储为时序对象：
myseries <- ts(data, start=, end=, frequency=)
# myseries是所生成的时序对象，data是原始的包含观测值的数值型向量，start参数和end参数（可选）给出时序的起始时间和终止时间，frequency为每个单位时间所包含的观测值数量（如frequency=1对应年度数据，frequency=12对应月度数据，frequency=4对应季度数据）。
如下代码给出了一个示例。数据中包含从2003年1月开始，两年内的月度销量数据。
sales <- c(18, 33, 41, 7, 34, 35, 24, 25, 24, 21, 25, 20,
22, 31, 40, 29, 25, 21, 22, 54, 31, 25, 26, 35)
tsales <- ts(sales, start=c(2003, 1), frequency=12) #生成时序对象
tsales
plot(tsales) #获取时序对象信息
plot(tsales, type="b", pch=19) #可以使图形更丰富一些
start(tsales)
end(tsales)
frequency(tsales)
tsales.subset <- window(tsales, start=c(2003, 5), end=c(2004, 6))
#通过window()函数生成原始数据的一个子时序（对对象取子集）
tsales.subset
作者：zhang-X，转载请注明原文链接
