指定相同的AR(或MA)模型的不同的方法來通過函數arima()
在包forecast
在R
產量不同BIC(貝葉斯信息準則)值來估計。AIC,與作爲R受限係數ARIMA的BIC值
爲什麼會發生這種情況?
考慮兩個模型:
(1)AR(1)
(2)AR(2)與上AR2係數限制爲零
在紙面上,這兩個模型是相同的。但是,他們的估計可能會有所不同(?)。不確定他們爲什麼產生相等的係數估計值,等於對數似然值和相等的AIC值 - 但是不同的BIC值。
由於BIC值不同,而可能性相等且AIC值相等,所以在估計中使用的觀測數量必須在兩個模型之間不同。然而,觀測數的隱含差異不是1或2,而是更多。
這是合理的,還是一個bug?
我想知道這是什麼區別,以及如何計算BIC(2)。我希望能夠重現結果,所以我需要了解這裏的工作方式。
下面我提供了一個可重複的例子。在R中執行它後,查看打印的BIC以及AICc值 - 它們在模型之間是不同的。
library(forecast)
T=1000; seed=1; set.seed(seed); x=rnorm(T)
model1=arima(x,order=c(1,0,0) ,method="CSS-ML",transform.pars=FALSE)
model2=arima(x,order=c(2,0,0),fixed=c(NA,0,NA),method="CSS-ML",transform.pars=FALSE)
print(model1)
print(model2)
這同樣適用於AR(p)和MA(q)模型,我沒有明確地討論它以簡化它。
如果有人能解釋爲什麼會發生這種情況,那將會很棒。謝謝!