ここでは時系列分析の関数を目的別に紹介。x及びyはオブジェクト名とする。
| 目的 | 関数 | 解説及び備考 | パッケージ名 |
| tsオブジェクトを作る | ts(x, start=c(年,月) , frequency= ) | startでデータの始まりを指定、endで終わりを指定できる。frequencyは年次なら1、月次なら12、四半期なら4となる)。 | |
| 複数のtsオブジェクトを1つにまとめる | ts.union(x, y,...) | ||
| 時系列のグラフを作成1 | plot(x) | 多変量の場合はグラフが別々に表示される。 | |
| 時系列のグラフを作成2 | ts.plot(x) | 多変量でもグラフは別々にならないが、色か線でデータを区別することが必要。 | |
| 階差（差分）をとる | diff(x, lag= ) | 非定常時系列から定常時系列に変換。lagで何次の階差をとるか指定できる。 | |
| 対数変換 | log( ) | バラツキを安定させる。 | |
| 季節性を分解 | decompose( ) | トレンド、季節性、誤差に分解できる。加法モデル(additive)か乗法モデル(multiplicative)のどちらかが示される。 | |
| コレログラム（自己相関） | acf(x, type="correlation") | ||
| コレログラム（偏自己相関） | pacf(x, type="correlation") | ||
| コレログラム（自己共分散） | acf(x, type="covariance") | ||
| コレログラム（相互相関） | ccf(x,y, type="correlation") | ||
| コレログラム（相互共分散） | ccf(x,y, type="covariance") | ||
| Phillips-Perron検定 | PP.test(x) | 単位根を検定。 | tseriese |
| Augmented Dickey-Fuller検定 | adf.test(x) | 単位根を検定。 | tseriese |
| Ljung-Box(Box-Pierce)検定 | Box.test(x$resid, lag=, type=”Ljung”) | lagで残差が何次に渡って自己相関がないという帰無仮説を設定。typeを指定しなければBox-Pierce検定。 | |
| グレンジャー因果性検定 | grangertest(x, y, order= ) | orderで次数を指定。 | lmtest |
| Whiteの検定（その1） | white.test(x,y) | これに関しての詳しい議論は掲示板へ | tseries |
| Whiteの検定（その2） | wnnTest(x) | これに関しての詳しい議論は掲示板へ | fSeries |
| ARモデル | ar(x, method="") | methodで用いる方法を指定。ols（最小二乗法）、mle（最尤法）、yw（Yule-Walker法）、burg（Burg法）等がある。 | |
| MA | arima(x, order=c(0,0,q)) | qに移動平均の次数を指定。*MA(q)モデルはARIMA(0,0,q)と同じ。 | |
| ARMA | arima(x, order=c(p, 0, q)) | pに自己回帰の次数、qに移動平均の次数を指定。*ARMA(p,q)はARIMA(p,0,q)と同じ。 | |
| ARIMA(季節性なし) | arima(x, order=c(p,d,q)) | pに自己回帰の次数、dに階差（差分）の次数、qに移動平均の次数を指定。 | |
| ARIMA(季節性あり) | arima(x, order=c(p,d,q), seasonal=list(order=c(P,D,Q))) | Pに季節性の自己回帰の次数、Dに季節性の階差（差分）の次数、Qに季節性の移動平均の次数をそれぞれ指定。 | |
| ARCH | |||
| GARCH | garch(x, order=c(p,q)) | tseries | |
| ARMA-GARCH | garchFit(formula.mean= , formula.var= ) | fSeries | |
| VAR分析（ベクトル自己回帰分析） | ar(x) | ARと同じだが、オブジェクトは多変量になる。 | |
| VAR分析（ベクトル自己回帰分析） | VAR(x, p= , type= ) | オブジェクトは多変量になる。p=でlagの次数を指定する。 | vars |
| モデルを使って予測 | predict(x, n.ahead=) | xは使用したいモデル(AR、ARIMA等)。n.aheadで予測したい期間を指定（例:1期先ならn.ahead=1）。 |