에 대한 ARIMA 및에서 ARIMA를 사용하여 차이가있는 계열에 대해 ARMA 모델에서 약간 다른 결과를 초래하는 tseries::arma
것과 비교할 때 세 가지 사소한 문제 stats::arima
가 있습니다 .tseries::arma
stats::arima
계수의 시작 값 : stats::arima
초기 AR 및 MA 계수를 0으로 설정하고 tseries::arma
Hannan and Rissanen (1982)에 설명 된 절차 를 사용하여 계수의 초기 값을 얻습니다.
목적 함수의 스케일 : 목적 함수 tseries::arma
의 조건식 제곱합, RSS의 값을 반환합니다. stats::arima
을 반환합니다 0.5*log(RSS/(n-ncond))
.
최적화 알고리즘 : 기본적으로 Nelder-미드가에서 사용되는 tseries::arma
동안, stats::arima
BFGS 알고리즘을 사용합니다.
마지막 것은 인수 optim.method
를 통해 변경 될 수 stats::arima
있지만 다른 것은 코드를 수정해야합니다. 아래에서는 stats::arima
위에서 언급 한 세 가지 문제가에서와 동일하도록 수정 된 소스 코드 (이 특정 모델의 최소 코드)의 요약 된 버전을 보여줍니다 tseries::arma
. 이러한 문제를 해결 한 후와 동일한 결과를 tseries::arma
얻습니다.
최소 버전 stats::arima
(위에서 언급 한 변경 사항 포함) :
# objective function, conditional sum of squares
# adapted from "armaCSS" in stats::arima
armaCSS <- function(p, x, arma, ncond)
{
# this does nothing, except returning the vector of coefficients as a list
trarma <- .Call(stats:::C_ARIMA_transPars, p, arma, FALSE)
res <- .Call(stats:::C_ARIMA_CSS, x, arma, trarma[[1L]], trarma[[2L]], as.integer(ncond), FALSE)
# return the conditional sum of squares instead of 0.5*log(res),
# actually CSS is divided by n-ncond but does not relevant in this case
#0.5 * log(res)
res
}
# initial values of coefficients
# adapted from function "arma.init" within tseries::arma
arma.init <- function(dx, max.order, lag.ar=NULL, lag.ma=NULL)
{
n <- length(dx)
k <- round(1.1*log(n))
e <- as.vector(na.omit(drop(ar.ols(dx, order.max = k, aic = FALSE, demean = FALSE, intercept = FALSE)$resid)))
ee <- embed(e, max.order+1)
xx <- embed(dx[-(1:k)], max.order+1)
return(lm(xx[,1]~xx[,lag.ar+1]+ee[,lag.ma+1]-1)$coef)
}
# modified version of stats::arima
modified.arima <- function(x, order, seasonal, init)
{
n <- length(x)
arma <- as.integer(c(order[-2L], seasonal$order[-2L], seasonal$period, order[2L], seasonal$order[2L]))
narma <- sum(arma[1L:4L])
ncond <- order[2L] + seasonal$order[2L] * seasonal$period
ncond1 <- order[1L] + seasonal$period * seasonal$order[1L]
ncond <- as.integer(ncond + ncond1)
optim(init, armaCSS, method = "Nelder-Mead", hessian = TRUE, x=x, arma=arma, ncond=ncond)$par
}
이제 두 절차를 비교하고 동일한 결과를 산출하는지 확인하십시오 ( x
질문 본문에서 OP에 의해 생성 된 계열이 필요함 ).
에서 선택된 초기 값 사용 tseries::arima
:
dx <- diff(x)
fit1 <- arma(dx, order=c(3,3), include.intercept=FALSE)
coef(fit1)
# ar1 ar2 ar3 ma1 ma2 ma3
# 0.33139827 0.80013071 -0.45177254 0.67331027 -0.14600320 -0.08931003
init <- arma.init(diff(x), 3, 1:3, 1:3)
fit2.coef <- modified.arima(x, order=c(3,1,3), seasonal=list(order=c(0,0,0), period=1), init=init)
fit2.coef
# xx[, lag.ar + 1]1 xx[, lag.ar + 1]2 xx[, lag.ar + 1]3 ee[, lag.ma + 1]1
# 0.33139827 0.80013071 -0.45177254 0.67331027
# ee[, lag.ma + 1]2 ee[, lag.ma + 1]3
# -0.14600320 -0.08931003
all.equal(coef(fit1), fit2.coef, check.attributes=FALSE)
# [1] TRUE
stats::arima
(0) 에서 선택한 초기 값 사용 :
fit3 <- arma(dx, order=c(3,3), include.intercept=FALSE, coef=rep(0,6))
coef(fit3)
# ar1 ar2 ar3 ma1 ma2 ma3
# 0.33176424 0.79999112 -0.45215742 0.67304072 -0.14592152 -0.08900624
init <- rep(0, 6)
fit4.coef <- modified.arima(x, order=c(3,1,3), seasonal=list(order=c(0,0,0), period=1), init=init)
fit4.coef
# [1] 0.33176424 0.79999112 -0.45215742 0.67304072 -0.14592152 -0.08900624
all.equal(coef(fit3), fit4.coef, check.attributes=FALSE)
# [1] TRUE
fit1
1 MA & 1 AR 매개 변수 만 있습니다fit1<-arma(diff(x,1,lag=1),c(3,3),include.intercept=F)
.