我在預測鍛鍊工作。首選模型是ARIMA(0,0,1)(0,1,1)4,其中有三個外生變量(Forestalling.1,Forestalling.2,Break)。我的因變量是Pmean,平均房價,外生變量是指示立法和財產危機變化的虛擬變量(這些變量由以下值0,1,-1組成)。預測與華冠通訊()平穩序列
我最初的方法是者區分原始的和適合ARIMA()模型;然而,這使我試圖預測系列作爲預測是在平穩序列完成後麻煩 - DIFF(日誌(X $ Pmean),4)
fit=Arima(diff(log(x$Pmean),4),
order=c(1,0,0),
seasonal=list(order=c(0,0,1), period =4),
xreg=xregvariables)
Estimate Std. Error z value Pr(>|z|)
ar1 0.686212 0.128593 5.3363 9.485e-08 ***
sma1 -0.583000 0.110908 -5.2566 1.467e-07 ***
intercept 0.101515 0.010318 9.8386 < 2.2e-16 ***
Forestalling 1 0.035008 0.011365 3.0804 0.002067 **
Forestalling 2 -0.033731 0.013151 -2.5649 0.010320 *
Break -0.087386 0.013113 -6.6640 2.664e-11 ***
AIC=-216.75
我試圖適應在我納入了另一種模式季節性差異,但結果不是最佳的,我的估計並不顯着。他們甚至爲某些參數返回不同的方向(Forestalling2);它在原始模型中具有負面影響,在第二種模式中具有積極(無效)影響。
fit=Arima(log(x$Pmean)
order=c(1,0,0),
seasonal=list(order=c(0,1,1), period =4),
xreg=xregvariables ,
include.drift = TRUE)
z test of coefficients:
Estimate Std. Error z value Pr(>|z|)
ar1 0.97042096 0.03430919 28.2846 < 2.2e-16 ***
sma1 -0.53044592 0.13689248 -3.8749 0.0001067 ***
drift 0.01407096 0.01016345 1.3845 0.1662158
Forestalling 1 0.03475176 0.01210626 2.8706 0.0040974 **
Forestalling 2 0.00094803 0.01343471 0.0706 0.9437434
Break -0.01077423 0.02376049 -0.4535 0.6502236
AIC=-206.84
會有人知道是否有可能重新轉換系列我的第一款車型,所以我可以預測原始的系列日誌(X $ Pmean)或使用模型估計值X $ Pmean?
如果它不可能的,是有可能內在化在第二ARIMA()模型中的差異,並具有相同的結果模型作爲第一模型?
感謝