ARIMA，ARMA和工商行政管理机关？

Question

data <-c(88, 84, 85, 85, 84, 85, 83, 85, 88, 89, 91, 99, 104, 112, 126, 138, 146,151,   150, 148, 147, 149, 143, 132, 131, 139, 147, 150, 148, 145, 140, 134, 131, 131, 129, 126, 126, 132, 137, 140, 142, 150, 159, 167, 170, 171, 172, 172, 174, 175, 172, 172, 174, 174, 169, 165, 156, 142, 131, 121, 112, 104, 102, 99, 99, 95, 88, 84, 84, 87, 89, 88, 85, 86, 89, 91, 91, 94, 101, 110, 121, 135, 145, 149, 156, 165, 171, 175, 177, 182, 193, 204, 208, 210, 215, 222, 228, 226, 222, 220)

为什么作用在数据的第一差值的ARMA模型从相应的ARIMA模型不同？

for (p in 0:5)
{
for (q in 0:5)
{
#data.arma = arima(diff(data), order = c(p, 0, q));cat("p =", p, ", q =", q, "AIC =",  data.arma$aic, "\n");
data.arma = arima(data, order = c(p, 1, q));cat("p =", p, ", q =", q, "AIC =", data.arma$aic, "\n");
}
}

同样的，在预测包Arima(data,c(5,1,4))和Arima(diff(data),c(5,0,4))。我可以得到所需的稠度

auto.arima(diff(data),max.p=5,max.q=5,d=0,approximation=FALSE, stepwise=FALSE, ic ="aic", trace=TRUE);
auto.arima(data,max.p=5,max.q=5,d=1,approximation=FALSE, stepwise=FALSE, ic ="aic", trace=TRUE);

，但它似乎最小AIC估计这些数据还没有被认为是由后面auto.arima算法的保持器;因此ARMA的次优选择（3,0）而不是ARMA（5,4）作用于第一差异。一个相关的问题是两个AIC估计应该有多大区别一个人认为一个模型优于其他关系不大wuth编程之前 - 最小AIC持有人至少应该被视为/报道，尽管9个系数可能有点过分从100个观测的预测。

我R课题是：

1）的双循环的矢量化的版本，所以它比较快？

2）为什么arima(5,1,4)作用在数据从不同arma(5,4)作用在数据的第一差异？哪一个是要报告？

3）如何排序工商输出，使得较小的先来

感谢。

Answer 1

有很多在这里提出的问题和问题。我会尽力给他们每个人的回应。

Arima()仅仅是arima()一个包装，因此将给予相同的模型。

ARIMA（）由现有使用的漫处理与差分的模型。那是不一样的拟合模型前刚刚差分数据。因此，你会得到arima(x,order=c(p,1,q))和arima(diff(x),order=c(p,0,q))稍有不同的结果。

auto.arima()手柄直接差分和装配时不使用漫之前。所以，你会得到auto.arima(x,d=1,...)和auto.arima(diff(x),d=0,...)相同的结果。

auto.arima()有一个参数max.order它指定了最大P + Q的。默认情况下，max.order=5，所以你arima(5,1,4)不会被考虑。增加max.order如果你要考虑这样的大型模型（虽然我不会推荐它）。

可以不向量化在每次迭代涉及非线性优化的循环。

如果您想将输出排序，则需要将其保存到一个data.frame，然后排序相关列。该代码目前刚刚吐出来的结果，因为它去，并没有什么保存，除了配备最新的模型。