文档介绍：时间序列回归模型
干预分析
.概念及模型
Box和Tiao引入的干预分析提供了对于干预影响时间序列的效果进行评估的一个框架，假 设干预是可以通过时间序列的均值函数或者趋势而对过程施加影响，干预可以自然产生也可 以人为施加的，如国* (seq(airmiles) == ), I =
* (seq(airmiles)==
)), transfer = list(c(, ), c(, )))
Coefficients:
ma
sma
Dec
Jan
Dec
I-MA
I.-AR
I.-MA
-.
-.
.
-.
.
-.
.
-.
. .
.
.
.
.
.
.
.
sigma^ estimated as .: log likelihood = ., aic =
-.
画图
plot(log(airmiles),ylab="log(airmiles)”)
points(fitted())
Time
Ninep=*(seq(airmiles)==)
plot(ts(Ninep*(-.)+
filter(Ninep,filter=.,method='recursive',side=)*(-.),
frequency=,start=),type='h',ylab='/ Effects') abline(h=)
s-<Da==山
Time
从上图可以看出在年底后，事件的影响效应才平息，航班客运量恢复了正常。
异常值
在时间序列中异常有两种，可加异常和新息异常，分别记AO和IO。
.异常值示例
..模拟数据
模拟一般的ARIMA(，，)，然后故意将第个观测值变成异常值.
()
y=(model=list(ar=.,ma=.),=,n=)
y
Time Series:
Start =
End =
Frequency =
[] . -. -. -.
-. -. -. -.
[] -. -. -. .
. . . .
[] . . . .
. . -. -.
[] -. -. . .
. . . .
[] . . . .
. . . .
[] . . -. -. -. . . .
[] -. -. . -. . . -. .
[] . . . .
-. -. -. -.
[] -. -. -. .