解释 auto.arima 导致 R答案

【问题标题】：Interpretation auto.arima results in R解释 auto.arima 导致 R
【发布时间】：2014-05-28 12:43:56
【问题描述】：

作为一个初学者，我正在尝试理解 R 预测包中的 auto.arima 函数。

特别是，我对基于信息标准的选择感兴趣。例如，我设置了ic=c("aicc","aic", "bic")。然后我用 AIC、AICc 和 BIC 获得最佳拟合模型。

我还为每个测试模型获得了一定的输出值，例如-18661.23 (1,1,1); -18451.12 表示 (1,1,2) 等。如果例如(1,1,1) 是选择的具有最低输出值的模型，该值不等于给定的 AIC、AICc 或 BIC。

简单来说，我如何解释每个模型的输出值？是并行加权的 AIC、AICc 和 BIC？

P.S.：我真的很想理解文档，但我很难阅读。

非常感谢您！

【问题讨论】：

“输出值”是什么意思？
感谢您的回复。我的输出值：... ARIMA(2,0,2) 均值为零：-17391.46; ARIMA(2,0,2) 非零均值：-17413.33；均值为零的 ARIMA(2,0,3)：-17389.61； ARIMA(2,0,3) 非零均值：-17411.40； ... ARIMA(2,0,2) 具有非零均值系数：AIC=-17413.33 AICc=-17413.29 BIC=-17356.3 如何解释逐步选择中每个模型的输出值？例如。 (2,0,2) -17413.33 的输出值与 AIC 相同。它总是 AIC，即使我指定了 ic=c("aic","aicc", "bic")？如何考虑 AICc 和 BIC？

【解决方案1】：

据我所知，“输出值”是指将auto.arima 与trace=TRUE 一起使用时打印的值。

这些值是每个尝试过的模型的 AIC（或 AICc 或 BIC）。在搜索过程中使用近似值来加快速度，因此打印的值可能与返回的值略有不同，返回值是在没有近似值的情况下计算的。

参数ic 确定将使用哪个信息标准。例如，设置ic="bic" 表示选择模型时使用BIC。默认为ic="aicc"。

在函数定义中，默认值等于值向量的参数通常是显示参数可以采用的可能值的简写，向量中的第一个值等于默认值。在这种情况下，函数定义包含ic = c("aicc", "aic", "bic")，这意味着ic只能取这三个值之一，如果ic没有显式传递，则默认为aicc。

【讨论】：