Question

这似乎是一个显而易见的事情，但我找不到这样做的功能：

我有一系列观察时间，例如x_t，以及由AR系数给出的ARMA模型规范，例如\ alpha_1，...，＆amp; \ alpha_p和MA系数\ beta_1，...，\ beta_q。我想计算驾驶创新的载体，比如说e_t。

我已经阅读了过滤器的帮助，但它似乎与我需要的相反（即需要创新和系数并计算观察结果）。

我可以通过将系统写为Ax = Be然后使用B ^ { - 1} Ax来实现这一点，但是对于大型系列需要时间，我担心反演的数值稳定性。

我们可以使用

生成样本观察

 ts1 <- arima.sim(model=list(AR=0.5, MA=0.5), n=10)

然后我们如何找到创造观察结果的创新？

Answer 1

认为我过度思考这个问题 - 通过递归在第一次观察之前对白噪声术语进行假设，这很容易解决。

显然这会在R中产生一个循环。

解决方法就是使用华宇同固定设置为您的建模参数。

Answer 2

正如@evilphil建议的那样，只需使用带有固定参数的arima()即可。这是一个例子：

ts1 <- arima.sim(model=list(ar=0.5, ma=0.5), n=10)
fit <- arima(ts1, order=c(1,0,1), fixed=c(.5,.5,0))
res <- residuals(fit)

但是，由于初始化的影响，这实际上不会给出arima.sim()中使用的创新。然而，对于一个很长的系列，它们将与前几个值非常接近。