这似乎是一件显而易见的事情,但我找不到这样做的功能:
我有一个时间序列的观察,比如 x_t,以及由 AR 系数给出的 ARMA 模型规范,比如 \alpha_1, ..., &\alpha_p 和 MA 系数 \beta_1, ..., \beta_q。我想计算推动创新的向量,比如 e_t。
我已经阅读了过滤器的帮助,但它似乎与我需要的相反(即它需要创新和系数并计算观察结果)。
我可以通过将系统写成 Ax = Be 然后使用 B^{-1}Ax 来做到这一点,但是对于大系列来说这需要时间,而且我担心反演的数值稳定性。
我们可以使用生成样本观察
ts1 <- arima.sim(model=list(AR=0.5, MA=0.5), n=10)
那么,我们如何找到创造观察结果的创新?