1

我正在尝试使用 R 中的 auto.arima 函数来拟合 arima 模型。即使数据是非平稳的，结果也会显示顺序 (0,0,0)。

auto.arima(x,近似值=真)

具有非零均值的 ARIMA(0,0,0)

有人可以建议为什么会出现这样的结果吗？顺便说一句，我仅在 10 个数据点上运行此功能。

4

1 回答 1

3

10 个数据点对于估计 ARIMA 模型来说是非常少的观察值。我怀疑您是否可以基于此做出任何明智的估计。此外，估计模型可能在很大程度上取决于您查看的时间序列的一部分，并且仅添加很少的观察值可能会显着改变估计模型的特征。例如：

当我采用只有 10 个观察值的时间序列时，我还会得到一个 ARIMA(0,0,0) 模型：

library(forecast)
vec1 <- ts(c(10.26063, 10.60462, 10.37365, 11.03608, 11.19136, 11.13591, 10.84063, 10.66458, 11.06324, 10.75535), frequency = 12)
fit1 <- auto.arima(vec1)
summary(fit1)

但是，如果我使用大约 30 个观察值，则估计为 ARIMA(1,0,0) 模型：

vec2 <- ts(c(10.260626, 10.604616, 10.373652, 11.036079, 11.191359, 11.135914, 10.840628, 10.664575, 11.063239, 10.755350,
10.158032, 10.653669, 10.659231, 10.483478, 10.739133, 10.400146, 10.205993, 10.827950, 11.018257, 11.633930,
11.287756, 11.202727, 11.244572, 11.452180, 11.199706, 10.970823, 10.386131, 10.184201, 10.209338,  9.544736), frequency = 12)
fit1 <- auto.arima(vec2)
summary(fit1)

如果我使用整个时间序列（413 个观测值），则 auto.arima 函数会估计“有漂移的 ARIMA(2,1,4)(0,0,1)[12]”。

因此，我认为 10 次观察确实不足以拟合模型。

于 2015-07-10T21:45:42.283 回答