2.1 ts 对象
时间序列是一组按照时间发生先后顺序进行排列，并且包含一些信息的数据点序列。在R中，这些信息可以被储存在ts对象中。
假设我们有某个变量在过去几年中每年的观测值：
| 年份 | 观测值 |
|---|---|
| 2012 | 123 |
| 2013 | 39 |
| 2014 | 78 |
| 2015 | 52 |
| 2016 | 110 |
我们可以采用ts()函数将数据转化为ts类型：
y <- ts(c(123,39,78,52,110), start=2012)假如我们只有年度数据，即每年只有一个观测值，此时只需要给出起始年份（或者截止年份）。
假如一个变量的观测频率大于每年一次，我们可以通过设置frequency参数来设置频率。例如，如果我们的月度数据已经被储存在了数值型向量z中，那么我们可以用如下的方式将其转换为时间序列：
y <- ts(z, start=2003, frequency=12)在本书中，几乎所有的数据都已被储存在ts对象中。但是，如果需要处理自己收集的数据，首先应使用ts()函数将原始数据转化为ts对象。
时间序列的频率
“频率”是季节模式重复之前的观测值个数1。在R中使用ts()函数时，频率有以下值可供选择。
| 数据类型 | 频率 |
|---|---|
| 年度 | 1 |
| 季度 | 4 |
| 月度 | 12 |
| 周 | 52 |
实际上，一年并不是精准的52周。由于每四年是一个闰年，平均来看每年有 365.25/7 = 52.18 周。但大多数使用ts对象的函数都需要频率为整数。
如果观测频率大于每周一次，可以采用多种方法来处理频率。例如，日观测数据可能具有周季节性（frequency=7）或者具有年度季节性（frequency=365.25）。类似地，一个每分钟观测一次的数据可能具有时季节性（frequency=60），可能是日季节性（frequency=24x60=1440），还可能是周季节性（frequency=24x60x7=10080），甚至可能具有年度周期性（frequency=24x60x365.25=525960）。在我们处理时间序列之前，确定其频率至关重要。
在第 11 章中，我们将会处理多季节性时间序列数据类型，而不必仅局限于其中某一个频率。
这与物理学中或傅立叶分析中的频率定义相反，这里的频率在那里被称为“周期”。↩︎