如何解釋R中的ARMA子集（用於更復雜的時間序列模型）？

我正在使用R中的時間序列數據集。我必須提出幾個模型，其中之一必須來自使用armasubsets（我知道有函數，如auto.arima（），但我仍然必須利用這個圖）。你如何解釋R中的這個arma子集圖？如何解釋R中的ARMA子集（用於更復雜的時間序列模型）？

我特別想到了第五排，因爲它的BIC值只有十分之一更高，儘管我們想要最小化BIC，但我認爲這個小的差異是合理的，因爲從頂部第五排是比該圖中指定的其他潛在模型簡單得多。因此，我將如何解釋AR組件滯後5,11和12，以及滯後1的MA組件。

這個解釋如何改變這樣的情節：我在想第5排BIC值爲-220。

來源

2017-04-21 Jane Sully

您可以使用順序和季節來指定具有arima函數的滯後。 p是AR，d是差分，q是MA。

arima(x, order = c(p, d, q), 
     seasonal = list(order = c(p, d, q)

您還可以使用預測包中的auto.arima()讓R找出您的組件。

來源

2017-04-21 19:39:55 Kristofersen

是的，我也在考慮使用該功能。但我不確定，我將如何指定我在問題中提供的參數？作爲一個回顧，AR組件中的滯後10,11和12是顯着的，那麼即使設置p = 3，我如何特別確保這些滯後被考慮？另外，5和12都在模型的MA部分有重要意義，所以我如何特別確定這些滯後是否被考慮，而其他的不是？您也沒有包含我認爲有必要爲模型的季節性部分指定的期間輸入。 –

@JaneSully我不認爲你可以跳過AR條款。另外，我還沒有使用arima，我只使用了預測的函數，但我相信它可以從ts對象中獲得時間。 – Kristofersen

@JaneSully因爲您想使用BIC來選擇組件，只需運行auto.arima並將ic =「BIC」添加到該函數。這會給你你想要的。 – Kristofersen

你提到，「這個小小的差異是有道理的，因爲從頂部開始的第五行顯然比這個圖中指定的其他潛在模型簡單得多。」通過懲罰複雜模型，BIC已經說明了簡單性，因此選擇一個較簡單的BIC較低的模型有效地簡化了兩次簡單性。該表指示AR（1），AR（2），AR（3），AR（4），AR（8）和MA（3），MA（8）和MA（12）全都是可能的楷模。

您的一組可能的模型是這些ARMA值的組合： {ARMA（1,3），ARMA（1,8），ARMA（1,12），ARMA（2,3），ARMA（2），8），ARMA（2,12），ARMA（3,3）， ARMA（3,8），ARMA（3,12），ARMA（4,3），ARMA（4,8），ARMA（4），12），ARMA（8,3），ARMA（8,8），ARMA（8,12）}

大多數這些將不適合，因爲這隻表示可能的模型。測試這些模型中的每一個的係數，並排除並非所有係數都顯着的地方。然後，您可以在剩餘的模型上運行殘差測試等。

來源

2017-05-20 12:19:27

如何解釋R中的ARMA子集（用於更復雜的時間序列模型）？

回答

相關問題