趙玉新

摘要：該文數(shù)據(jù)來自數(shù)據(jù)堂網(wǎng)站，主要使用R語言為工具，進(jìn)行數(shù)據(jù)分析，本次分析主要側(cè)重于某型號(hào)轎車的時(shí)間序列分析，首先提取該轎車每月的銷量情況，作為歷史數(shù)據(jù)，然后進(jìn)行分析預(yù)測，得出結(jié)論。

關(guān)鍵詞：R語言；數(shù)據(jù)分析；轎車銷量；時(shí)間序列分析

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）05-0016-03

時(shí)間序列是以固定時(shí)間間隔為單位的一列數(shù)據(jù)，最常見的比如某只股票的每日股價(jià)走勢圖，每天的氣象數(shù)據(jù)等。時(shí)間序列分析是統(tǒng)計(jì)分析的一個(gè)重要內(nèi)容，由于基于歷史數(shù)據(jù)可以進(jìn)行預(yù)測，因此幾乎每種統(tǒng)計(jì)分析軟件都有時(shí)間序列的分析及預(yù)測功能。

時(shí)間序列常見的分析方法有：簡單平均法、加權(quán)平均法和移動(dòng)平均法等。還有time series里面兩個(gè)強(qiáng)大的算法： Holt-Winters 和 ARIMA。

R語言具有功能強(qiáng)大的程序包，在數(shù)據(jù)計(jì)算，統(tǒng)計(jì)分析以及數(shù)據(jù)挖掘等方面都所向披靡，本文介紹轎車銷量時(shí)間序列數(shù)據(jù)在R中統(tǒng)計(jì)分析及預(yù)測的實(shí)現(xiàn)。

1 數(shù)據(jù)情況

從圖中可以看出，是大眾朗逸31個(gè)月的銷售數(shù)據(jù)，沒有明顯的周期和季節(jié)趨勢，2013年1月，創(chuàng)下銷售記錄，48267臺(tái)，應(yīng)該是春節(jié)前，是車輛銷售旺季。2011年7月出現(xiàn)了銷售銷售的低谷，銷量只有3000多臺(tái)。

3 時(shí)間序列檢驗(yàn)分析

3.1自相關(guān)檢驗(yàn)

對(duì)于非平穩(wěn)數(shù)列的數(shù)據(jù)，ACF自相關(guān)圖不會(huì)趨向于0，或者趨向0的速度很慢。自相關(guān)圖中的兩條虛線表示置信界限，是自相關(guān)系數(shù)的上下界。

下面繪制原始數(shù)列的自相關(guān)圖：

從以上幾幅圖進(jìn)行分析，圖4中的時(shí)序圖，可以看出有連年遞增趨勢，為非平穩(wěn)序列。從自相關(guān)檢驗(yàn)結(jié)果看，自相關(guān)系數(shù)長期大于零，進(jìn)一步表明為非平穩(wěn)序列；單位根檢驗(yàn)結(jié)果p值顯著大于0.05，也判斷其為非平穩(wěn)序列。

4 ARIMA建模分析

4.1非平穩(wěn)序列差分

差分，即Integrated。 一階差分是把原數(shù)列每一項(xiàng)減去前一項(xiàng)的值。二階差分是一階差分基礎(chǔ)上再來一次差分。差分一直得到平穩(wěn)序列為止。R中使用diff（）函數(shù)對(duì)時(shí)間序列進(jìn)行差分運(yùn)算。

6 結(jié)束語

以上是筆者對(duì)朗逸轎車月度銷售數(shù)據(jù)分析研究，主要使用R語言的時(shí)間序列分析方法，繪制序列圖，檢驗(yàn)其是否為平穩(wěn)序列，非平穩(wěn)序列進(jìn)行差分處理，直到平穩(wěn)為止。然后使用ARIMA方法進(jìn)行分析建模，再進(jìn)一步完成預(yù)測。

參考文獻(xiàn)：

[1] 張良均，等 .R語言與數(shù)據(jù)挖掘[M].

[2] 數(shù)據(jù)堂網(wǎng)站. http：//www.datatang.com/.