时间序列中，为什么同样的数据先差分后拟合和直接拟合的结果不同?（R语言）

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

代码如下文所示，第一个命令是直接进行ARIMA(2,2,1)模型的拟合，第二个是对数据先进行2阶差分，然后对模型ARIMA(2,0,1)J进行拟合，都使用的默认方法（最小二乘法）。照理说这两个命令表达的完全是一回事，为什么参数估计值会差这么多？
将方法改成极大似然估计后（加参数method='ML'),直接拟合的结果又不一样了？！？（         ar1     ar2     ma1    mean=
      0.5045  0.0185  1.0000  0.2113）ㄟ(▔=▔)ㄏ。但是先作差分再拟合的话，结果和最小二乘法是一样的。
求大神帮助怎么解释？谢谢！

> arima(logts76,order = c(2,2,1))#直接拟合

Call:
arima(x = logts76, order = c(2, 2, 1))

Coefficients:
          ar1      ar2     ma1
      -0.4275  -0.4258  0.0811
s.e.   0.9527   0.2463  1.1072

sigma^2 estimated as 0.004866:  log likelihood = 50.78,  aic = -93.56
> arima(diff(logts76,1,2),order = c(2,0,1))#先差分后拟合

Call:
arima(x = diff(logts76, 1, 2), order = c(2, 0, 1))

Coefficients:
         ar1      ar2      ma1  intercept
      0.2168  -0.2399  -0.7294     0.0021
s.e.  0.2252   0.1883   0.1957     0.0031

sigma^2 estimated as 0.004594:  log likelihood = 51.75,  aic = -93.5

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：极大似然估计 最小二乘法 参数估计值 小二乘法 最小二乘 R语言 时间序列分析 ARIMA

请检查原序列和差分之后序列的稳态

swz19870723 发表于 2018-6-10 21:08
请检查原序列和差分之后序列的稳态

请问稳态是稳定性的意思吗？差分前肯定不平稳，差分后从ADF检验来看是平稳的，如下：
> print(summary(ur.df(diff(logts76, 1, 2),type='trend',lags = 15,selectlags = 'BIC')))
Value of test-statistic is: -5.1956 9.0844 13.6248

Critical values for test statistics:
      1pct  5pct 10pct
tau3 -4.15 -3.50 -3.18
phi2  7.02  5.13  4.31
phi3  9.31  6.73  5.61

DF统计量甚至小于1%的临界值。另外请问稳态影响拟合结果的原理是什么？既然数据是一样的，那么做最小二乘估计时的计算结果不也应该一样吗？{:3_43:}