[求助]请教AR model中的问题

saji

本人非科班，现正用R分析自己的数据，有个初级问题：

在R中，若要对序列X建AR(3)模型，所使用的命令为

>arima(X,order=c(3,0,0))

但是在此情况下，软件所选择的acf中的lag为第1，2，3个。

如果在我的数据中需要选择的lag为第2，4，6个的话，应该使用什么命令？

另：我是按照Tsay的金融时间序列分析来自学的，虽然他的书及讲义都非常好，但是有时候在分析自己的数据时使用R感觉不熟悉。将相关软件包的说明文档下载看，往往看不明白。不知道各位有什么书籍能够对R命令的各种参数使用解释详细一点的，推荐一下。

RuiLoo

<br />
>a<-arima.sim(list(order=c(6,0,0),ar=c(0,0.2,0,0.3,0,0.4)),10000)<br />
>b<-arima(a,order=c(6,0,0))<br />
> b<br />
<br />
Call:<br />
arima(x = a, order = c(6, 0, 0))<br />
<br />
Coefficients:<br />
          ar1     ar2      ar3     ar4      ar5     ar6  intercept<br />
      -0.0027  0.1990  -0.0025  0.2900  -0.0002  0.4054     0.0329<br />
s.e.   0.0091  0.0091   0.0089  0.0089   0.0091  0.0091     0.0905<br />
<br />
sigma^2 estimated as 1.015:  log likelihood = -14263.68,  aic = 28543.36<br />

如果先验的是滞后2、4、6阶有影响，那就要估计AR（6），即使只有3个阶有影响。

acf的话一般选滞后20、30期的看嘛，并且给AR定阶看acf是没用的，要看pacf。

http://www.stat.pitt.edu/stoffer/tsa2/R_time_series_quick_fix.htm

这个小文档还不错，你可以看看

saji

楼上的也是两个论坛都逛的嘛

回楼上的：

1。我使用的是pacf，帖子里写错了。

2。在我的实际数据中有lag＝1，2，3，45显著区别于0，在使用命令

>ar(X,order=45)

时没有问题，但是使用

>arima(X,order=c(45,0,0))

时，R软件计算的时间超长。而且，软件包的说明文档中提出当order大于10时需慎用。

另外：在Tsay的书中曾有一例，先对一序列建AR（3）模型，其中lag＝1，2，3；然后因为lag＝2的显著性不大，所以舍弃。改用一AR（2）模型，lag＝1，3。

问题是：两个模型所得的系数是不同的，如果按照楼上的做法，那么在舍去lag＝2后，模型的两个系数应该与原先AR（3）模型中对应的系数相同。

因此我估计在arima中应该有参数可以实现选择性的对lag建模。只是TSAY并没有给出相应的code，所以我才来求助的。

请有经验的同志解答一下。

这里我仍然将人大中我在帖子里的疑问原封不动的贴过来，为叻其他人解答。

saji

[em05]补充一下：

在Tsay第二版的p43，第一次fitting所得的model为：

R(t)=0.0103 + 0.104R(t-1) - 0.010R(t-2) - 0.120R(t-3) + a(t)

而在第二次撤去lag＝2后的refitting所得的model为：（p44）

R(t)=0.0102 + 0.103R(t-1) - 0.122R(t-3) + a(t)

这说明了，第二次所得的模型是重新拟和过的。也侧面说明了在R中是可以有选择的对lag进行建模的。

RuiLoo

[quote]引用第2楼saji于2008-12-25 14:05发表的“”:

楼上的也是两个论坛都逛的嘛

回楼上的：

1。我使用的是pacf，帖子里写错了。

2。在我的实际数据中有lag＝1，2，3，45显著区别于0，在使用命令

>ar(X,order=45)

.......[/quote]

45?45阶？那滞后太多了啊，可以用ARMA来做嘛。你是4、5，还是45啊。。。

RuiLoo

[quote]引用第3楼saji于2008-12-25 14:23发表的“”:

[em05]补充一下：

在Tsay第二版的p43，第一次fitting所得的model为：

R(t)=0.0103 + 0.104R(t-1) - 0.010R(t-2) - 0.120R(t-3) + a(t)

而在第二次撤去lag＝2后的refitting所得的model为：（p44）

R(t)=0.0102 + 0.103R(t-1) - 0.122R(t-3) + a(t)

.......[/quote]

一样在tseries包里有个函数arma()可以满足你的要求

<br />
>a<-arima.sim(list(order=c(3,0,0),ar=c(0.3,0,0.4)),1000)<br />
>b<-arma(a,lag=list(ar=(1,3)))<br />
Warning message:<br />
In arma(a, lag = list(ar = c(1, 3))) : order is ignored<br />
> b<br />
<br />
Call:<br />
arma(x = a, lag = list(ar = c(1, 3)))<br />
<br />
Coefficient(s):<br />
      ar1        ar3  intercept  <br />
  0.32114    0.36620    0.02861  <br />
<br />
> summary(b)<br />
<br />
Call:<br />
arma(x = a, order = c(3, 0), lag = list(ar = c(1, 3)))<br />
<br />
Model:<br />
ARMA(3,0)<br />
<br />
Residuals:<br />
     Min       1Q   Median       3Q      Max <br />
-3.37158 -0.63064 -0.02857  0.63384  3.07603 <br />
<br />
Coefficient(s):<br />
           Estimate  Std. Error  t value Pr(>|t|)    <br />
ar1         0.32114     0.02752   11.669   <2e-16 ***<br />
ar3         0.36620     0.02751   13.312   <2e-16 ***<br />
intercept   0.02861     0.03019    0.948    0.343    <br />
---<br />
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 <br />
<br />
Fit:<br />
sigma^2 estimated as 0.9042,  Conditional Sum-of-Squares = 900.6,  AIC = 2743.19<br />
<br />

那个警告信息可以不管，命令里设置order和lag有冲突会自动按lag来处理，具体的可以看?arma

saji

上述问题已自行解决。

tseries的arma当然可以用，但是更加推荐arima

其中参数项－－fixed parameter就是用来对指定参数项进行拟和的。

ps:我们自己的论坛氛围总觉得不对。下载书籍的居多，讨论问题的极少。不知道是水平太高，还是只关心收集书本。不解。。。。