如何快速的做ARIMA时间序列分析

硕士毕业，小罗在基层疾控参加了工作，十分深切的感受到了基层疾控的业务繁忙；同时也感到略微的伤感，因为小罗深爱的数据分析在这里并不能派上用场。但数据分析、编程、数学已经深入了小罗的骨髓，一天不学，一天不做，心里憋得慌。所以工作之余，小罗仍在坚持学习，坚持与大家分享与R和数据分析相关的东西。

废话不多说了，今天小罗用R语言中强大的shiny包为大家写了一个快速做ARIMA时间序列分析的小软件。这个软件是基于网页技术(html, css, javascript)和R内核的。目的是帮助刚学习了ARIMA的理论知识，但是又不太会R编程的同学，快速上手R，完成ARIMA时间序列分析。

什么是ARIMA?

ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-series Approach）预测方法。其表达形式为ARIMA(p,d,q)。

如果大家要深入了解ARIMA的理论部分，小罗推荐一本书：

JonathanD.Cryer, Kung-SikChan. 时间序列分析及应用:R语言[M]. 机械工业出版社, 2011.

什么是Shiny?

shiny是RStudio公司开发的R语言软件包，用来快速开发交互式的小程序。若大家想入门shiny，小罗推荐一个网站：

http://yanping.me/shiny-tutorial/

平台概况

下面，小罗为大家展示一下平台界面：

界面主要分为左边和右边两部分，左边从用户上传自己的CSV格式数据开始，下面是指定显示用户数据集的行数，指定用以进行时间序列分析的变量名，指定想要预测的期数，指定和时间序列的周期长度，最后是用户下载模型预测数据的按钮。

右边是用户所上传数据的显示窗口，拟合的模型信息，原始序列图以及预测图。

下面小罗以自己的数据进行演示：

1. 上传数据

2. 指定数据集显示的行数以及时间序列变量

可以看到，在指定了分析变量以后，所拟合的模型结果就已经出来了，并且所有的图片都提供右键点击下载哟。如果您的时间序列数据的周期并不是默认的12，那么您可以在"The period of your time series" 那一栏进行修改。

顺便提一句，模型的评价是基于summary函数的，包含ARIMA需要展示的参数以及模型评价的AIC，BIC等指标，可以说是比较全面的。

3. 改变预测长度以及下载预测数据集

点击 download 按钮，即可下载预测的数据。

预测的数据集展示：

最左边一列是预测期数的指示变量，第二列是点估计的结果，剩下的四列分别是不同 comfidence level 的区间估计结果。

如何使用?

通过外网发布的版本目前还在开发阶段，并且界面会更加友好，更加智能。但目前只能使用线下版本，即下载小罗的源代码，在本地使用R进行打开。但大家放心，需要大家做的工作只有 Ctrl + Enter 。

首先把ARIMA文件夹放在一个您熟悉的位置，然后运行下面代码即可，注意，把runApp()括号里面的路径改一下。

结语

自从SAS、SPSS、R等统计分析软件出来以后，统计分析的时间已经大幅度缩短，程式化的过程是目前统计分析的一大特点，那么下一步，我们应该朝着智能化，集成化以及自动化的统计分析迈进。

需要源代码文件的同学，给小罗留邮箱。