Question

我正在测试SAS和R的时间序列。

我在R

中有这个代码

ARIMA（1,1,0）（0,1,1）

 ar1_ma12noint<-arima(qxts, order = c(1,1,0),seasonal = list(order = c(0,1, 1), period = 12),
                     include.mean = FALSE )

ar1_ma12noint

(1-pnorm(abs(ar1_ma12noint$coef)/sqrt(diag(ar1_ma12noint$var.coef))))*2

这个代码在SAS中，

proc arima data= serie.diff12_r  plots(unpack)=series(corr crosscorr);
identify var=pasajeros nlag=60 ;
estimate p=(1) q=(12) noint ;
run;

编辑：SPSS显示的估计参数与SAS相同。

我在这两个模型中都有相同的模型，但是

R显示此估计参数：

Coefficients:
     ar1    sma1
  -0.353  -0.498

标准误差。 0.082 0.068

和SAS，

 MA1,1 0.48528 0.08367 5.80 <.0001 12 
AR1,1 -0.34008 0.08666 -3.92 0.0001 1

我想知道为什么两个程序之间的估计是不同的。我的意思是唱季节性ma参数。

感谢所有人！

编辑：我认为R显示移动平均模型随着变化唱歌。

问题很接近！

Answer 1

两件事：

您的R型号使用简单＆amp;季节性差异，而您的SAS模型不是
SAS默认使用条件最小二乘估计，而R使用条件最小二乘来初始化ML估计。

指定ML估算并添加订单(1 12)的差异应该会产生相同的结果：

proc arima data= serie.diff12_r  plots(unpack)=series(corr crosscorr);
    identify var=pasajeros(1 12) nlag=60 ;
    estimate p=(1) q=(12) noint method=ml;
run;

ARIMA系列SAS vs R.

1 个答案: