我目前正在审阅Ruey Tsay的财务时间序列分析第2版的副本,其中一个部分涉及将MA模型拟合到某些数据(数据集为here)。根据文本,这是符合确切最大似然的拟合,删除了某些不重要的参数:
rt = 0.013 + a(t)+ 0.181a(t-1) - 0.121a(t-3)+ 0.122a(t-9)
σ(a)= 0.0724
然而,当我尝试用R ...
时> mew = read.table("m-ew.dat")
> arima(mew,order = c(0,0,9),fixed = c(NA,0,NA,rep(0,5),NA,NA),method = "ML")
Call:
arima(x = mew, order = c(0, 0, 9), fixed = c(NA, 0, NA, rep(0, 5), NA, NA),
method = "ML")
Coefficients:
ma1 ma2 ma3 ma4 ma5 ma6 ma7 ma8 ma9 intercept
0.180 0 -0.1318 0 0 0 0 0 0.1373 0.0132
s.e. 0.031 0 0.0362 0 0 0 0 0 0.0327 0.0029
sigma^2 estimated as 0.005282: log likelihood = 1039.1, aic = -2068.21
如您所见,ma1系数是相同的,但ma3和ma9是不同的,即使方法=“ML”,即最大似然。这是为什么?
另外,从实际角度来看,虽然ma2和ma4-ma8可能为0(它们的95%置信区间与0重叠),但从模型中移除它们会提高AIC,降低与Ljung相关的p值。对残差进行框测试,并降低对数似然值。如果发生这种情况,是否值得删除这些参数?
答案 0 :(得分:2)
在对arima的帮助中,可以阅读: “结果可能与S-PLUS的arima.mle不同,后者计算条件可能性并且不包括模型中的均值。进一步......”
和Tsay使用S-Plus ......