R ar.ols 通過 OLS 將自回歸模型擬合到時間序列

R語言 ar.ols 位於 stats 包(package)。

說明

通過普通最小二乘法將自回歸時間序列模型擬合到數據，默認情況下選擇 AIC 複雜度。

用法

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

參數

`x`	單變量或多變量時間序列。
`aic`	邏輯標誌。如果`TRUE`，則使用 Akaike 信息準則來選擇自回歸模型的階數。如果 `FALSE` ，則擬合階數 `order.max` 的模型。
`order.max`	要擬合的模型的最大階數(或階數)。默認為 `10\log_{10}(N)`，其中 `N` 是觀測值數量。
`na.action`	調用函數來處理缺失值。
`demean`	AR 模型應該是 `x` 減去其平均值嗎？
`intercept`	是否應該安裝單獨的截距項？
`series`	該係列的名稱。默認為 `deparse1(substitute(x))` 。
`...`	要傳遞給方法或從方法傳遞的更多參數。

細節

ar.ols 將通用 AR 模型擬合到可能非平穩和/或多變量係列 x 係統。即使某些序列是非平穩的和/或co-integrated，所得的無約束最小二乘估計也是一致的。為了明確起見，請注意 AR 係數的符號為

其中，除非intercept 為真，否則a_0 為零；如果demean 為真，則\mu 為樣本平均值，否則為零。

如果 aic 為 true，則訂單選擇由 AIC 完成。這是有問題的，因為 ar.ols 不執行真正的最大似然估計。 AIC 的計算方式就像方差估計(根據殘差的方差矩陣計算)是 MLE，從似然性中省略了行列式項。請注意，這與在估計參數值下評估的高斯似然不同。

如果 intercept 為 true 而 demean 為 false，則需要小心。僅當係列大致以零為中心時才使用此選項。否則計算可能不準確或完全失敗。

值

類 "ar" 的列表，包含以下元素：

`order`	擬合模型的順序。這是通過在 `aic = TRUE` 時最小化 AIC 來選擇的，否則為 `order.max` 。
`ar`	擬合模型的估計自回歸係數。
`var.pred`	預測方差：對時間序列方差中自回歸模型無法解釋的部分的估計。
`x.mean`	用於擬合和預測的序列的估計平均值(如果 `demean` 為 false，則為零)。
`x.intercept`	`x - x.mean` 模型中的截距，如果 `intercept` 為 false，則截距為零。
`aic`	每個模型與 best-fitting 模型之間 AIC 的差異。請注意，後者的 AIC 可以為 `-Inf` 。
`n.used`	時間序列中的觀測值數量。
`order.max`	`order.max` 參數的值。
`partialacf`	`NULL` 。為了與 `ar` 兼容。
`resid`	擬合模型的殘差，以第一個 `order` 觀測值為條件。第一個 `order` 殘差設置為 `NA` 。如果 `x` 是時間序列，那麽 `resid` 也是時間序列。
`method`	字符串`"Unconstrained LS"`。
`series`	時間序列的名稱。
`frequency`	時間序列的頻率。
`call`	匹配的調用。
`asy.se.coef`	係數估計值的 asymptotic-theory 標準誤差。

例子

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

ar.ols(ts.union(BJsales, BJsales.lead))

x <- diff(log(EuStockMarkets))
ar.ols(x, order.max = 6, demean = FALSE, intercept = TRUE)

作者

Adrian Trapletti, Brian Ripley.

參考

Luetkepohl, H. (1991): Introduction to Multiple Time Series Analysis. Springer Verlag, NY, pp. 368-370.

也可以看看

ar

相關用法

注：本文由純淨天空篩選整理自R-devel大神的英文原創作品 Fit Autoregressive Models to Time Series by OLS。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。