当尝试使用这些方法找到最佳AR（p）模型时，我得到了非常不同的结果。
ar {stats}：http://stat.ethz.ch/R-manual/R-patched/library/stats/html/ar.html
auto.arima {forecast}：http://rgm2.lab.nig.ac.jp/RGM2/func.php?rd_id=forecast:auto.arima
# x is some time series
ar(x)
auto.arima(x, d=0, max.q=0)
我不能把数据集放在这里，因为它非常大，但是对于相同的数据集，ar给出44而auto.arima给出5.它们都使用AIC最小化。有人知道为什么他们会产生如此不同的结果，哪一个更好？
答案 0 :(得分：3)
默认情况下，ar()使用Yule-Walker估算，而非MLE。
默认情况下，auto.arima()会将模型大小限制为五个参数。
还有其他差异，但仅这两个差异将解释拟合模型之间的大部分差异。
至于哪个更好，那是由你来决定的。这取决于模型的应用和目的。