我正在使用 forecast
包中的 auto.arima
创建 ARIMAX 模型。
因变量和回归变量是非平稳的。然而,auto.arima()
返回一个模型 ARIMA(0,0,0)
。
我应该担心这个吗?我是否应该强制 auto.arima()
区分我的时间序列,指定 d=1
?
如果我没有在我的模型中放置任何回归变量,它会检测到非平稳性,并以 ARIMA(0,1,1)
结束。
我知道问题类似于 this主题,但我的数据集更大(大约 90 个观察),因此给出的答案并不令人满意。
最佳答案
auto.arima
没有做错。请注意,您有一个加法模型:
response = regression + time_series
当您包含回归变量/协变量时,回归变量/协变量会捕获非平稳性,因此时间序列组件很简单。对于您的数据,您最终得到 ARIMA(0,0,0)
,这是白噪声。
当您没有回归变量/协变量时,非平稳性必须按时间序列建模,因此需要差分。对于您的数据,您最终得到 ARIMA(0,1,1)
。
当然,这两个模型并不相同,甚至不等同。如果您真的想要一些模型选择,请使用两个模型的 AIC 值。但请记住,所有模型都是错误的;有些很有用。只要一个模型不能在一定的统计显着性下被拒绝,它就可以用于预测目的。
关于r - auto.arima() 应该不区分?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38505159/