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!
答案 0 :(得分:2)
两件事:
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;