Estoy tratando de ajustar el modelo arima utilizando la función auto.arima en R. El resultado muestra un orden (0,0,0) aunque los datos no son estacionarios.
auto.arima (x, aproximación = VERDADERO)
ARIMA (0,0,0) con media no nula
¿Alguien puede aconsejar por qué vienen tales resultados? Por cierto, estoy ejecutando esta función en solo 10 puntos de datos.
Respuestas
3 para la respuesta № 110 puntos de datos es un número muy bajo deObservaciones para estimar un modelo ARIMA. Dudo que puedas hacer una estimación sensata basada en esto. Además, el modelo estimado puede depender en gran medida de la parte de una serie de tiempo que miró y al agregar solo muy pocas observaciones puede cambiar significativamente las características del modelo estimado. Por ejemplo:
Cuando tomo una serie de tiempo con solo 10 observaciones, también obtengo un modelo ARIMA (0,0,0):
library(forecast)
vec1 <- ts(c(10.26063, 10.60462, 10.37365, 11.03608, 11.19136, 11.13591, 10.84063, 10.66458, 11.06324, 10.75535), frequency = 12)
fit1 <- auto.arima(vec1)
summary(fit1)
Sin embargo, si uso unas 30 observaciones, se estima un modelo ARIMA (1,0,0):
vec2 <- ts(c(10.260626, 10.604616, 10.373652, 11.036079, 11.191359, 11.135914, 10.840628, 10.664575, 11.063239, 10.755350,
10.158032, 10.653669, 10.659231, 10.483478, 10.739133, 10.400146, 10.205993, 10.827950, 11.018257, 11.633930,
11.287756, 11.202727, 11.244572, 11.452180, 11.199706, 10.970823, 10.386131, 10.184201, 10.209338, 9.544736), frequency = 12)
fit1 <- auto.arima(vec2)
summary(fit1)
Si uso la serie de tiempo completa (413 observaciones), la función auto.arima estima un "ARIMA (2,1,4) (0,0,1) [12] con deriva".
Por lo tanto, creo que la observación 10 no es, de hecho, suficiente información para ajustar un modelo.