基于R语言时间序列的轿车销量分析及预测

赵玉新

摘要：该文数据来自数据堂网站，主要使用R语言为工具，进行数据分析，本次分析主要侧重于某型号轿车的时间序列分析，首先提取该轿车每月的销量情况，作为历史数据，然后进行分析预测，得出结论。

关键词：R语言；数据分析；轿车销量；时间序列分析

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）05-0016-03

时间序列是以固定时间间隔为单位的一列数据，最常见的比如某只股票的每日股价走势图，每天的气象数据等。时间序列分析是统计分析的一个重要内容，由于基于历史数据可以进行预测，因此几乎每种统计分析软件都有时间序列的分析及预测功能。

时间序列常见的分析方法有：简单平均法、加权平均法和移动平均法等。还有time series里面两个强大的算法： Holt-Winters 和 ARIMA。

R语言具有功能强大的程序包，在数据计算，统计分析以及数据挖掘等方面都所向披靡，本文介绍轿车销量时间序列数据在R中统计分析及预测的实现。

1 数据情况

从图中可以看出，是大众朗逸31个月的销售数据，没有明显的周期和季节趋势，2013年1月，创下销售记录，48267台，应该是春节前，是车辆销售旺季。2011年7月出现了销售销售的低谷，销量只有3000多台。

3 时间序列检验分析

3.1自相关检验

对于非平稳数列的数据，ACF自相关图不会趋向于0，或者趋向0的速度很慢。自相关图中的两条虚线表示置信界限，是自相关系数的上下界。

下面绘制原始数列的自相关图：

從以上几幅图进行分析，图4中的时序图，可以看出有连年递增趋势，为非平稳序列。从自相关检验结果看，自相关系数长期大于零，进一步表明为非平稳序列；单位根检验结果p值显著大于0.05，也判断其为非平稳序列。

4 ARIMA建模分析

4.1非平稳序列差分

差分，即Integrated。 一阶差分是把原数列每一项减去前一项的值。二阶差分是一阶差分基础上再来一次差分。差分一直得到平稳序列为止。R中使用diff（）函数对时间序列进行差分运算。

6 结束语

以上是笔者对朗逸轿车月度销售数据分析研究，主要使用R语言的时间序列分析方法，绘制序列图，检验其是否为平稳序列，非平稳序列进行差分处理，直到平稳为止。然后使用ARIMA方法进行分析建模，再进一步完成预测。

参考文献：

[1] 张良均，等 .R语言与数据挖掘[M].

[2] 数据堂网站. http：//www.datatang.com/.