当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R ar 将自回归模型拟合到时间序列


R语言 ar 位于 stats 包(package)。

说明

将自回归时间序列模型拟合到数据,默认情况下选择 AIC 的复杂性。

用法

ar(x, aic = TRUE, order.max = NULL,
   method = c("yule-walker", "burg", "ols", "mle", "yw"),
   na.action, series, ...)

ar.burg(x, ...)
## Default S3 method:
ar.burg(x, aic = TRUE, order.max = NULL,
        na.action = na.fail, demean = TRUE, series,
        var.method = 1, ...)
## S3 method for class 'mts'
ar.burg(x, aic = TRUE, order.max = NULL,
        na.action = na.fail, demean = TRUE, series,
        var.method = 1, ...)

ar.yw(x, ...)
## Default S3 method:
ar.yw(x, aic = TRUE, order.max = NULL,
      na.action = na.fail, demean = TRUE, series, ...)
## S3 method for class 'mts'
ar.yw(x, aic = TRUE, order.max = NULL,
      na.action = na.fail, demean = TRUE, series,
      var.method = 1, ...)

ar.mle(x, aic = TRUE, order.max = NULL, na.action = na.fail,
       demean = TRUE, series, ...)

## S3 method for class 'ar'
predict(object, newdata, n.ahead = 1, se.fit = TRUE, ...)

参数

x

单变量或多变量时间序列。

aic

logical 。如果TRUE,则使用 Akaike 信息准则来选择自回归模型的阶数。如果 FALSE ,则拟合阶数 order.max 的模型。

order.max

要拟合的模型的最大阶数(或阶数)。默认为 中较小的一个,其中 是非缺失观测值的数量,method = "mle" 除外,它是该数量和 12 中的最小值。

method

指定拟合模型方法的字符串。必须是默认参数中的字符串之一(前几个字符就足够了)。默认为 "yule-walker"

na.action

调用函数来处理缺失值。目前,通过na.action = na.pass,只有Yule-Walker方法可以处理在一个时间点内必须一致的缺失值:或者所有变量都缺失,或者没有。

demean

应该在拟合过程中估计平均值吗?

series

该系列的名称。默认为 deparse1(substitute(x))

var.method

估计创新方差的方法(参见“详细信息”)。

...

特定方法的附加参数。

object

来自 ar() 的拟合。

newdata

应用预测的数据。

n.ahead

预测的提前步数。

se.fit

逻辑:返回预测误差的估计标准误差?

细节

为了明确起见,请注意 AR 系数的符号为

ar 只是函数 ar.ywar.burgar.olsar.mle 的包装。

如果 aic 为 true,则订单选择由 AIC 完成。这是有问题的,因为这里的方法中只有 ar.mle 执行真正的最大似然估计。 AIC 的计算方式就像方差估计是 MLE,从似然中省略了行列式项。请注意,这与在估计参数值下评估的高斯似然不同。在 ar.yw 中,创新的方差矩阵是根据 x 的拟合系数和自协方差计算的。

ar.burg 允许两种方法来估计创新方差以及 AIC。方法 1 是使用 Levinson-Durbin 递归给出的更新(Brockwell 和 Davis,1991,第 242 页的(8.2.6)),并遵循 S-PLUS。方法 2 是前向和后向预测误差的平方和的平均值(如 Brockwell 和 Davis,1996 年,第 145 页)。 Percival 和 Walden (1998) 讨论了两者。在多变量情况下,估计系数将(稍微)取决于方差估计方法。

请记住,ar 默认情况下在模型中包含一个常量,方法是在拟合 AR 模型之前删除 x 的总体平均值,或者 ( ar.mle ) 估计要减去的常量。

对于 ar 及其方法,类 "ar" 的列表包含以下元素:

order

拟合模型的顺序。这是通过在 aic = TRUE 时最小化 AIC 来选择的,否则为 order.max

ar

拟合模型的估计自回归系数。

var.pred

预测方差:对时间序列方差中自回归模型无法解释的部分的估计。

x.mean

用于拟合和预测的序列的估计平均值。

x.intercept

(仅限 ar.ols。)x - x.mean 模型中的截距。

aic

每个模型与 best-fitting 模型之间 AIC 的差异。请注意,后者的 AIC 可以为 -Inf

n.used

时间序列中的观测值数量,包括缺失值。

n.obs

时间序列中非缺失观测值的数量。

order.max

order.max 参数的值。

partialacf

偏自相关函数的估计滞后 order.max

resid

拟合模型的残差,以第一个 order 观测值为条件。第一个 order 残差设置为 NA 。如果 x 是时间序列,那么 resid 也是时间序列。

method

method 参数的值。

series

时间序列的名称。

frequency

时间序列的频率。

call

匹配的调用。

asy.var.coef

(单变量情况,order > 0。)系数估计的asymptotic-theory 方差矩阵。

对于 predict.ar ,预测的时间序列,或者如果 se.fit = TRUE ,则包含组件 pred 的列表(预测)和 se (估计的标准误差)。两个组成部分都是时间序列。

注意

仅实现ar.mle 的单变量情况。

通过 method="mle" 拟合长序列可能会非常慢。

如果 x 包含缺失值,请参阅 NA ,还可以考虑使用 arima() ,可能与 method = "ML" 一起使用。

例子

ar(lh)
ar(lh, method = "burg")
ar(lh, method = "ols")
ar(lh, FALSE, 4) # fit ar(4)

(sunspot.ar <- ar(sunspot.year))
predict(sunspot.ar, n.ahead = 25)
## try the other methods too

ar(ts.union(BJsales, BJsales.lead))
## Burg is quite different here, as is OLS (see ar.ols)
ar(ts.union(BJsales, BJsales.lead), method = "burg")

作者

Martyn Plummer. Univariate case of ar.yw, ar.mle and C code for univariate case of ar.burg by B. D. Ripley.

参考

Brockwell, P. J. and Davis, R. A. (1991). Time Series and Forecasting Methods, second edition. Springer, New York. Section 11.4.

Brockwell, P. J. and Davis, R. A. (1996). Introduction to Time Series and Forecasting. Springer, New York. Sections 5.1 and 7.6.

Percival, D. P. and Walden, A. T. (1998). Spectral Analysis for Physical Applications. Cambridge University Press.

Whittle, P. (1963). On the fitting of multivariate autoregressions and the approximate canonical factorization of a spectral density matrix. Biometrika, 40, 129-134. doi:10.2307/2333753.

也可以看看

ar.olsarima 用于 ARMA 模型; acf2AR ,用于 ACF 的 AR 构建。

arima.sim 用于模拟 AR 过程。

相关用法


注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Fit Autoregressive Models to Time Series。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。