ARIMA结构
我正在尝试使用AIC标准寻找最佳模型结构。我已经知道d=1和d=1的季节分量等于12。因此:ARIMA结构,r,time-series,R,Time Series,我正在尝试使用AIC标准寻找最佳模型结构。我已经知道d=1和d=1的季节分量等于12。因此: best.order<-c(0,0,0) best.aic<-Inf n <- length(x1) for (i in 0:2) for (j in 0:2) { fit <- arima(log(x1), c(i, 1, j),seasonal = list(order = c(i, 1, j), period = 12),method="CSS-ML") fit.aic
best.order<-c(0,0,0)
best.aic<-Inf
n <- length(x1)
for (i in 0:2) for (j in 0:2) {
fit <- arima(log(x1), c(i, 1, j),seasonal = list(order = c(i, 1, j), period = 12),method="CSS-ML")
fit.aic <- -2 * fit$loglik + (log(n) + 1) * length(fit$coef)
if (fit.aic < best.aic) {
best.order <- c(i,1,j)
best.arma <- arima(resid(fit), order=best.order)
best.aic <-fit.aic
}
}
这完全不同于:
auto.arima(log(x1),d=1,D=1)
ARIMA(1,1,1)
Coefficients:
ar1 ma1
0.4238 -0.8984
s.e. 0.1202 0.0489
sigma^2 estimated as 0.006367: log likelihood=84.98
AIC=-163.96 AICc=-163.63 BIC=-156.93
哪个结果是正确的?您认为最好的。aic与arima返回的aic进行比较?这是什么意思?对不起,您正在手工计算AIC,而arima或其打印方法将为您计算。因此,当您打印best.arima时,您计算的best.aic中的值是否与输出中报告的值匹配。如果它不匹配,那么您没有正确计算AIC,这可能足以解释差异。啊,对不起,忽略我。我明白了,你的意思是系数估计值也不一样。不过,为什么你要将arimaresidfit的输出与auto.arimalogx1的输出进行比较?在我看来,这两个输入数据并不相同?
auto.arima(log(x1),d=1,D=1)
ARIMA(1,1,1)
Coefficients:
ar1 ma1
0.4238 -0.8984
s.e. 0.1202 0.0489
sigma^2 estimated as 0.006367: log likelihood=84.98
AIC=-163.96 AICc=-163.63 BIC=-156.93