如何用r语言做时间序列图 用什么函数

1. 如何用r语言做时间序列图 用什么函数

可以在两个plot( )函数中间加一行par(new=TRUE)
就可以了。比如：plot(x, y, ...)
par(new = TRUE)
plot(x, y, ...)

2. 怎么用R语言画时序图

如果 Data 变量是你的数据
试试 plot(ts(Data))
plot(ts(Data), screens=1)

3. R语言怎么把两个时间序列画在同一张图上

pic1=plot(data1[1,],type="n",xlab="t",ylab="xdata")
lines(data1[1,])
lines(data1[2,])

4. 金融时间序列分析用R语言画简单收益率和对数收益率的ACF图？！

acf(int[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
 
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
log return')
 
Box.test(int[,2], lag = 5, type = "Ljung-Box")
Box.test(int[,2], lag = 10, type = "Ljung-Box")
Box.test(int.l[,2], lag = 5, type = "Ljung-Box")
Box.test(int.l[,2], lag = 10, type = "Ljung-Box")

运行结果有以下错误，怎么办？

> int <- read.table("d-intc7208.txt", head=T)
错误于file(file, "rt") : 无法打开链结
此外: 警告信息：
In file(file, "rt") :
  无法打开文件'd-intc7208.txt': No such file or directory

+ acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
错误: 意外的符号 in:
"
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int"
> log return')
错误: 意外的符号 in "log return"

5. R中如何绘制一个表格数据的时序图,自相关图？

首先，下载并安装好R软件。打开R软件，可以看到R软件主窗口。
2
为了方便编辑代码，一般不在主窗口直接输入程序。我们可以点击“文件——新建程序脚本”，出现R编辑器。我们将在此输入需要运行的命令。
3
使用因子格式输入数据。这里输入两组数据，以便后面说明详细使用方法。
4
输入命令plot(x)，表示绘制序列x的散点图。选中程序，右键，点击“运行当前行或选中代码”，运行程序。按F5键或者Ctrl+R键也可以实现。在图标显示框出现散点图了。
5
输入命令plot(x,y)，其中x表示自变量，y是因变量,生成y关于x的散点图。运行命令，即出现散点图。
6
再增加一组数据，用coplot函数绘制多变量的散点图。coplot(x~m|y)表示在不同的y值下，x关于m的散点图。

6. R语言处理时间序列

## 多元的情况 例子z <- ts(matrix(rnorm(300), 100, 3), start = c(1961, 1), frequency = 12)class(z)head(z) # 前六行数据plot(z) #分三个显示 plot(z, type="o",col="cyan")  #定义线条类型 颜色plot(z, plot.type = "single", lty = 1:3)  #显示到一张图上面plot(z, plot.type = "single", type="o",col=c(1:3))plot(z, plot.type = "single", type="h",col=c("red","yellow","blue"))##颜色线条自己选去吧。。#需要注意的是 ts(object,...)#object  必须是一个 data.frame 或者 matrix ！#start :开始的年份 月份  列如 c(2014,7)#默认 frequency = 12#其中的一个例图 ，样式，颜色 可以自己调整的。。。

7. 用R做时间序列分析，画出来的自相关图和偏自相关图都是小数阶数，怎么分析他们是截尾还是拖尾呢？急

看拖尾还是截尾主要是看收敛的趋势是像被切了一刀一样突兀的还是缓慢的。。

实话说，这两张图都不是太干净（就是lag不好判断，acf 的图勉强可以算是lag = 2吧？pacf的图不好判断）。。建议做一个eacf 的表辅助判断模型，或者是用information criteria辅助判断。