16、气候变化数据的时间序列分析与建模

气候变化数据的时间序列分析与建模

1. 数据平稳性检验

在对数据进行深入分析之前，需要先检验数据的平稳性。使用 tseries 包中的 adf.test() 函数进行增强迪基 - 富勒（ADF）检验，代码如下：

> adf.test(climate[,1])
Augmented Dickey - Fuller Test
data:  climate[, 1]
Dickey - Fuller = -1.8429, Lag order = 4, p - value = 0.641
alternative hypothesis: stationary
> adf.test(climate[,2])
Augmented Dickey - Fuller Test
data:  climate[, 2]
Dickey - Fuller = -1.0424, Lag order = 4, p - value = 0.9269
alternative hypothesis: stationary

从输出结果可以看出，两个变量的p值都不显著，因此无法拒绝数据非平稳的原假设。

2. 建模与评估任务

建模和评估阶段主要聚焦于三个任务：
- 为地表温度生成单变量预测模型。
- 基于地表温度自身和碳排放构建回归模型。
- 探究碳排放是否格兰杰导致地表温度异常。

3. 单变量时间序列预测

此任务的目标是为地表温度生成单变量预测，重点在于选择霍尔特线性趋