R语言：时序图和自相关图

        这学期的《应用时间序列分析》、《R语言》、《统计案例分析》都需要使用R语言，故将课程中学到的代码以及相关补充代码分享出来，一方面促进自身学习的积极主动性，另一方面或许可以给学习R语言的同学们提供一点点帮助。

rm(list=ls())
install.packages("tseries")
install.packages("astsa")
install.packages("zoo")#插值
library(tseries)
library(astsa)
library(zoo)

##时间序列数据展示——自输
  #函数ts

price = c(101,82,66,35,31,7,9,4)
price = ts(price,start = c(2005,1),frequency = 12 )
price
##时间序列数据展示——scan

price = scan()#填完数据之后要回车一下，得到Read n items
price = ts(price,start = c(2005,1),frequency = 12 )
price

##输入数据
data = read.table(".csv",sep = ",",header = T)
data = read.table(".txt",sep = "\t")


##缺失值插值
a = c(1,3,6,9,10,24,79)
a[4] = NA
a

  #线性插值
y1 = na.approx(a)
y1

  #样条插值
y2 = na.spline(a)
y2

##数据读出
write.table(data.frame(),file = ".csv",sep = ",",row.names = F)



##描述时间序列数据
#只有一个时间序列
plot(data)
#比较两个时间序列的关系——一个变量
par(mfrow = c(2,1))
plot(data1,main = "")
plot(data2,main = "")
#比较两个时间序列的关系——两个变量
par(mfrow = c(2,1))
ts.plot(data1[1:4],col = 1:4,ylab = "",main = "")
ts.plot(data2[6:9],col = 1:4,ylab = "",main = "")






###序列平稳性地图检验法：
##时序图

data
#将数据变成时间序列数据
data = ts(data,start = ,end = ,frequency = )#一般情况下写个start和frequency就可以了
#画图
plot(data,type = "o",pch = "23",lty = 4,lwd = 2,xlim = c(),col = 'blue',main = '',ylab = '',xlab='')
abline(v = c(x),h = c(y),lty = 2)
#检验序列平稳性1：平稳时间序列时序图，在一个常数值附近随机波动，且波动范围有界

##自相关图
acf(data,lag = n)
#检验序列平稳性2：自相关系数随着延迟期数k的增加，平稳序列的自相关系数会很快地衰减到零。