auto.arima allowmean = T 与 allowmean = F 相同
auto.arima with allowmean = T is the same as allowmean = F
我使用 allowmean = T
和 allowmean = F
从 forecast
包运行 auto.arima
并得到完全相同的结果 - 它们都包含截距。
有谁知道我做错了什么以及如何解决这个问题?
以下是一个可重现的例子:
library(forecast)
set.seed(1)
z=arima.sim(n = 101, list(ar = c(0.8)))
ts.plot(z)
用 allowmean = F 运行 auto.arima 产生:
> auto.arima(z,d = 0,max.p = 7,max.q=0,stepwise= F ,allowmean = F)
Series: z
ARIMA(1,0,0) with non-zero mean
Coefficients:
ar1 intercept
0.7275 0.4241
s.e. 0.0688 0.3012
sigma^2 estimated as 0.7118: log likelihood=-126.52
AIC=259.05 AICc=259.29 BIC=266.89
这与 allowmean = T:
完全相同
> auto.arima(z,d = 0,max.p = 7,max.q=0,stepwise= F ,allowmean = T)
Series: z
ARIMA(1,0,0) with non-zero mean
Coefficients:
ar1 intercept
0.7275 0.4241
s.e. 0.0688 0.3012
sigma^2 estimated as 0.7118: log likelihood=-126.52
AIC=259.05 AICc=259.29 BIC=266.89
如有任何想法,我将不胜感激。
这似乎是一个真正的错误。 (请注意,allowmean
是最近添加的 - 它在 forecast
6.1 中可用,但在 5.1 中不可用。)我建议您联系软件包维护者 Rob Hyndman,并向他指出这个问题。
我使用 allowmean = T
和 allowmean = F
从 forecast
包运行 auto.arima
并得到完全相同的结果 - 它们都包含截距。
有谁知道我做错了什么以及如何解决这个问题?
以下是一个可重现的例子:
library(forecast)
set.seed(1)
z=arima.sim(n = 101, list(ar = c(0.8)))
ts.plot(z)
用 allowmean = F 运行 auto.arima 产生:
> auto.arima(z,d = 0,max.p = 7,max.q=0,stepwise= F ,allowmean = F)
Series: z
ARIMA(1,0,0) with non-zero mean
Coefficients:
ar1 intercept
0.7275 0.4241
s.e. 0.0688 0.3012
sigma^2 estimated as 0.7118: log likelihood=-126.52
AIC=259.05 AICc=259.29 BIC=266.89
这与 allowmean = T:
完全相同> auto.arima(z,d = 0,max.p = 7,max.q=0,stepwise= F ,allowmean = T)
Series: z
ARIMA(1,0,0) with non-zero mean
Coefficients:
ar1 intercept
0.7275 0.4241
s.e. 0.0688 0.3012
sigma^2 estimated as 0.7118: log likelihood=-126.52
AIC=259.05 AICc=259.29 BIC=266.89
如有任何想法,我将不胜感激。
这似乎是一个真正的错误。 (请注意,allowmean
是最近添加的 - 它在 forecast
6.1 中可用,但在 5.1 中不可用。)我建议您联系软件包维护者 Rob Hyndman,并向他指出这个问题。