Question

我正在尝试使用K. Hamed在此处发现的论文中描述的方法预先编写时间序列：http://www.sciencedirect.com/science/article/pii/S0022169409000675

这个想法是将AR（1）模型与线性趋势分量拟合到数据中以消除自相关。我希望预先提供的模型由

给出

x_t = rho * x_（t-1）+ alpha + beta * t + e_t

其中x_t和x_（t-1）是时间序列的观测值，rho是自相关系数，β是趋势的斜率，e_t是不相关的噪声。不知道如何格式化方程式的道歉，我试图使用Latex语法无济于事......

无论如何，我估计参数为rho = 0.02，alpha = 0.16和beta = -0.00092

在给定这些特定参数值的情况下，如何在R中拟合AR（1）模型？我认为在init函数中使用Arima将允许我指定它们，但它只是将输入用作初始值。

fit <- Arima(x, order=c(1,0,0),init=c(0.02, 0.16))

此外，您如何使用具有线性趋势的通用ARIMA模型？我尝试了以下

for(t in 2:length(x)){
  fit <- Arima(x, order=c(1,0,0),init=c(0.02, 0.16)) - 0.00092 * t
}

但它返回错误non numeric argument to binary operator，我不知道如何解决这个问题。

提前致谢。

Answer 1

来自forecast::Arima文档：

Arima(x, order=c(0,0,0), seasonal=c(0,0,0),
    xreg=NULL, include.mean=TRUE, include.drift=FALSE, 
    include.constant, lambda=model$lambda, transform.pars=TRUE, 
    fixed=NULL, init=NULL, method=c("CSS-ML","ML","CSS"), n.cond, 
    optim.control=list(), kappa=1e6, model=NULL)

你必须在xreg参数中包含一个外部回归量（即线性趋势）作为向量

xreg Optionally, a vector or matrix of external regressors, which must have the same number of rows as x.

Prewhitening / autocorrelation removal / AR（1）确定性趋势模型

1 个答案: