分类 - ___ 时序数据分析

2017-01-26 16:45:41    1008    1    0

title

教材配套资料:https://gitee.com/Py-R/EmRa

title

资料下载

例子数据:MEdata.csv

例子代码:EmRa代码.R

时序数据:EmRa_SI.csv

自定义函数:EmRa.R  
   * 请在R中直接调用source("EmRa.R") *

2017-01-26 16:45:39    738    0    0

教程目录

title

教程目录

1 引论

1.1 计量经济学概述/1

1.2 计量经济学内容与建模技术/4

1.3 计量经济学数据的处理 8

1.4 R在计量经济中的应用 14

练习题1/25

2 经典回归分析模型

2.1 线性回归分析模型/26

2.2 线性相关分析模型/47

2.3 含虚拟变量回归模型/54

2.4 非线性回归分析模型/59

练习题2/78

3 非典型回归分析模型

3.1 回归分析模型的诊断/81

3.2 误差的异方差检验与建模 92

3.3 误差的相关性及其检验 100

练习题3/106

4 经典时间序列模型

4.1 时间序列的基本概念 110

4.2 时间序列自回归AR模型 114

4.3 时间序列移动平均MA模型/126

4.4 自回归移动平均ARMA模型/131

4.5 分布滞后与自回归模型 140

练习题4/151

5 扩展时间序列模型

5.1 非平稳时间序列模型 153

5.2 协整与误差修正模型 166

* 5.3 异方差时间序列模型 182

5.4 时间序列模型的诊断与评价/199

练习题5/202

附录A:R语言软件

附录B:R语言函数

2017-01-26 16:45:43    1184    0    0

基本设置

  1. rm(list=ls())
  2. options(digits=4)
  3. par(mar=c(4,4,1.5,1)+0.1,cex=0.8)
  4. x=rnorm(20); plot(x,type='b')
  5. source("EmRa.R") #EmRa自定义函数

1 引论

  1. X=c(42.55,51.27,60.38,69.10,82.34,92.63,106.83,125.82,153.01,176.36,200.17,241.66,287.79,348.04,456.22,542.24,595.22,732.11,897.38,1006.14,1105.31)
  2. X # R语言是用变量名来显示数据的
  3. plot(X)
  4. Y=ts(X,start=1993);Y
  5. plot(Y);grid()
  6. T=1991:2010;T
  7. summary(lm(Y~T))
  8. summary(lm(log(Y)~T))
  9. MEdata=read.csv("MEdata.csv"); MEdata
  10. names(MEdata) #显示变量名
  11. nrow(MEdata) #数据集行数
  12. ncol(MEdata) #数据集列数
  13. summary(MEdata)
  14. plot(MEdata,gap=0)
  15. #matplot(MEdata[,1],MEdata[,-1],type='l')
  16. #tsME=ts(MEdata[,-1],start=1978);tsME
  17. #ts(MEdata,start=1978);grid()
  18. ts.plot(MEdata)
  19. ts.plot(log(MEdata))
  20. tsME=ts(MEdata,start=1978)
  21. ts.plot(tsME) # plot(tsME,plot.type='single')
  22. plot.ts(tsME) # plot(tsME,plot.type='multiple')
  23. #legend(1980,3000,legend=names(MEdata))
  24. TAX #未解析前
  25. attach(MEdata) #变量解析,MEdata中的变量名可单独使用
  26. TAX #解析后
  27. detach(MEdata)
  28. head(UG)
  29. tail(UG)
  30. dim(UG)
  31. names(UG)
  32. sum