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：

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