getwd()

setwd("C:/Users/Administrator/Desktop")

A1<-read.csv("A1_1.csv")

plot(A1,type="l")

abline(A1$Year,A1$yields)

date<-read.csv("A1_1.csv")

getwd()

setwd("C:/Users/Administrator/Desktop")

price<-c(101,82,66,35,31,7)

price<-ts(price,start=c(2005,1),frequency=12)#半年=2，季度=4，月=12，星期=52，日期=365

?ts

price<-scan()

x<- read.csv("A1_1.csv")#读xlsx数据需提前加载xlsx包

x$yields

z<-subset(x,Year>1925,select=yields)#注意区分大小写

a<-c(1:7)

a[4]<-NA

a

library(zoo)

#线性插值

y1<-na.approx(a)

y1

#样条插值

y2<-na.spline(a)

y2

in_yields<-log(x$yields)#对数据进行对数变换

x_new<-data.frame(x,in_yields)

write.table(x_new,file="x_new.csv",row.names=F,sep=",")#写在工作路径下

y<-head(x)

y

plot(y)#散点图

yield<-c(15.2,16.9,15.3,14.9,15.7,15.1,16.7)

yield<-ts(yield,start=1884)#时间序列数据

plot(yield)#折线图

s<-as.ts(x)

plot(s)

plot(yield,type="p")#点，o线穿过点，b点连线，l线，h悬垂线，s阶梯线

#也可使用pch参数改变观察点的符号，共有25个样式，样式用数字表示,?pch可以查看每个数字代表的样式。

plot(yield,type="o",pch=13)

#还可以改变线的形状，用lty参数，1为实线，2虚线，3点线，4点+短虚线，5长虚线，6点+长虚线

plot(yield,lty=2)

#用lwd调整线的宽度，lwd=k默认宽度的k倍，-k默认的1/k倍

plot(yield,lwd=1)

plot(yield,lwd=2)

#col设置颜色，1黑色，2红色，3绿色，4蓝色，R可以提供657种颜色，这是常用的几种

plot(yield,col=2)

plot(yield,col="blue")

#添加文本

plot(yield,main="1884--1890年英格兰和威尔士地区小麦平均亩产量",xlab="年份",ylab="亩产量")

#指定坐标轴范围

plot(yield,xlim=c(1886,1890))

plot(yield,ylim=c(15,16))

#添加参照线

abline(v=1887,lty=2)#添加一条垂线

abline(v=c(1885,1889),lty=2)#添加多条垂线

abline(h=c(15.5,16.5),lty=3)#添加水平线

####绘制序列自相关图####

sha<-read.csv("A1_4.csv")

output<-ts(sha$percent,start=1964)#做时间序列处理

plot(output)#明显的递增趋势

t<-read.csv("A1_18.csv")

t<-ts(t$temp,start = 1949)

plot(t)

abline(h=37,lty=2)

######自相关图检验#####

#R中使用acf函数绘制自相关图

?acf

acf(output,lag=25)#虚线为2倍标准差位置

acf(t)

#####纯随机性检验#######

#白噪声序列是最简单的平稳序列

white_noise<-rnorm(100)

white_noise<-ts(white_noise)

plot(white_noise)

acf(white_noise,lag=5)$acf#输出6个自相关系数结果（延迟0-5阶自相关系数）

#R中使用Box.text函数进行纯随机检验（白噪声检验）

?Box.test

Box.test(white_noise,lag=6)

Box.test(white_noise,type=c("Box-Pierce","Ljung-Box"),lag=6)

Box.test(white_noise,lag=12)

#R是最小结果输出的软件，因此调用上面的函数只能给出一个检验结果

for(k in 1:2) print(Box.test(white_noise,lag = 6*k,type = "Ljung-Box"))

number<-read.csv("A1_7.csv")

number<-ts(number$number,start = 1900)

plot(number)

acf(number,lag.max = 30)

Box.test(number,lag = 6,type = "Ljung-Box")