如何使AR流程（具有非连续滞后）适应时间序列？

Question

我想基于每周数据来估计AR过程的系数，其中滞后发生在t-1，t-52和t-53。我自然会失去一年的数据来做到这一点。

我目前尝试过：

lags <- rep(0,54)
lags[1]<- NA
lags[52] <- NA
lags[53] <- NA
testResults <- arima(data,order=c(53,0,0),fixed=lags)

基本上我尝试使用ARIMA并关闭MA /差分。我使用0来表示我想要排除的术语（加上拦截，以及我想要的术语的NA。

我收到以下错误：

Error in optim(init[mask], armafn, method = optim.method, hessian =TRUE,  : 
non-finite finite-difference value [1]
In addition: Warning message:
In arima(data, order = c(53, 0, 0), fixed = lags) :
some AR parameters were fixed: setting transform.pars = FALSE

我希望有一个更容易的方法或潜在的解决方案来解决这个错误。我想避免使用滞后变量创建列并简单地运行回归。谢谢！