如何用R语言识别ARMA模型中系数的显著性

Python020

如何用R语言识别ARMA模型中系数的显著性,第1张

>m4

Call:

arima(x = dpgs, order = c(6, 0, 0), xreg = dpus, include.mean = F)

Coefficients:

ar1 ar2 ar3 ar4 ar5 ar6dpus

0.3953 0.1634 0.0946 0.0297 -0.0873 -0.0525 0.1927

s.e. 0.0389 0.0400 0.0404 0.0405 0.0400 0.0373 0.0136

sigma^2 estimated as 0.0002524: log likelihood = 1949.61, aic = -3883.21

>tratio=m4coef/sqrt(diag(m4var.coef))

>tratio

ar1ar2ar3ar4ar5ar6

10.1665214 4.0831152 2.34037

这个是自动适应参数估计的结果。

模型估计为ARIMA(4,0,2)，即ARMA(4,2)

系数为：

ar1 ar2 ar3 ar4 ma1 ma2

-0.5505 0.2316 0.0880 -0.4325 -0.1944 -0.5977

s.e. 0.1657 0.1428 0.1402 0.1270 0.1766 0.1732

s.e.是系数的标准差，系数显著性要自己算，|系数/se| >1.96 即 95％的置信度

sigma^2 estimated 估计值方差

log likelihood 对数似然值

（这个不用解释了吧）

AIC=709.13 AICc=710.73 BIC=725.63

再就是下面一堆误差计算

ME Mean Error

RMSE Root Mean Squared Error

MAE Mean Absolute Error

MPE Mean Percentage Error

MAPE Mean Absolute Percentage

MASE Mean Absolute Scaled Error