Question

我使用SAS和R中的回归量构建ARIMA模型，但模型的结果完全不同，我无法弄清楚为什么两个包给出不同的输出。

以下是SAS代码

proc ARIMA data=TSDATA;
identify var=LOG_Sale
crosscorr=(
Log_Var1
Log_Var2
Log_Var3)
nlag=12 ALPHA=0.05  WHITENOISE = IGNOREMISS SCAN;
run;
estimate q=(4)(10)
input=
( Log_Var1
Log_Var2
Log_Var3)
method=ml plot ;
run;

以下是R代码：

finalmodel <- arima (LOG_Sale, order=c(0, 0, 4), seasonal=list  (order=c(0, 0, 1),period=10),include.mean = TRUE, xreg=xinput,fixed=c(0,0,0,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA),
                     method="ML")
summary(finalmodel)

如您所见，模型包括MA（4）（10）和3个回归量，我定义了矩阵xinput以包含三个回归量（Log_Var1，Log_Var2，Log_Var3）。

两个输出（SAS和R）的系数完全不同，我不知道为什么，如果你能指出R代码中的错误，请帮帮我，因为我认为SAS代码非常典型，应该是对的，但我是R的新手，我猜R代码可能错了....

感谢。

Answer 1

数据是典型的每周时间序列数据 Date Log_Var1 Log_Var2 Log_Var3 3-Jan-11 13.47487027 8.65886635 9.096499556 10-Jan-11 14.1688108 9.182043773 9.096499556 17-Jan-11 14.3192497 9.175024027 9.096499556 24-Jan-11 14.54051181 9.1902397 9.096499556 31-Jan-11 14.33370089 9.1902397 9.096499556 7-Feb-11 13.76581591 9.431962767 9.326321786 14-Feb-11 14.09526221 9.29844282 9.326321786 21-Feb-11 14.61994905 9.29844282 9.326321786 28-Feb-11 14.94652204 8.700680735 9.326321786 7-Mar-11 14.71066636 9.026056892 9.348993004

从SAS代码中可以看出，该模型是ARIMA（0,0,4）（0,0,10），带有三个输入系列，在SAS中是直接的，但我读了很多R材料，我找不到任何有用的文档和示例，以展示如何使用外部回归量构建具有特定高阶p，q或P，Q（子集ARIMA）的ARIMA。您在这里看到的R代码实际上在R中工作并且输出看起来不错，但是系数与SAS中的输出不同，所以我猜R中的ARIMA算法可能与SAS不同，但两者都使用ML方法。

所以关键是如果模型是ARIMA（0,0,4）（0,0,10），R代码是否正确，应该注意q =（4）（10），其中只有4和10，而不是1到4而不是1到10，这只是子集顺序。感谢。

为什么SAS和R会给出不同的ARIMA输出？

1 个答案: