1

R で auto.arima 関数を使用して有馬モデルを適合させようとしています。データが非定常であっても、結果は順序 (0,0,0) を示しています。

auto.arima(x,approximation=TRUE)

非ゼロ平均の ARIMA(0,0,0)

なぜそのような結果が得られるのか、誰かアドバイスできますか? ところで、私はこの関数を 10 個のデータ ポイントのみで実行しています。

4

1 に答える 1

3

10 データ ポイントは、ARIMA モデルを推定するための非常に少ない観測数です。これに基づいて賢明な見積もりを行うことができるとは思えません。さらに、推定されたモデルは、調べた時系列の部分に大きく依存する可能性があり、ごくわずかな観測値を追加するだけで、推定されたモデルの特性が大幅に変わる可能性があります。例えば：

観測値が 10 個だけの時系列を取得すると、ARIMA(0,0,0) モデルも得られます。

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)

ただし、約 30 の観測を使用すると、ARIMA(1,0,0) モデルが推定されます。

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)

時系列全体 (413 回の観測) を使用すると、auto.arima 関数は "ARIMA(2,1,4)(0,0,1)[12] とドリフト" を推定します。

したがって、10回の観察は実際にはモデルを適合させるのに十分な情報ではないと思います.

于 2015-07-10T21:45:42.283 に答える