estoy usando auto.arima de forecast paquete para crear un modelo ARIMAX. La variable dependiente y los regresores son no estacionarios. Sin embargo, auto.arima() devuelve un modelo ARIMA(0,0,0).
¿Debería preocuparme por esto? Debo forzar auto.arima() a diferencia de mi serie de tiempo, especificando d=1 ?
Si no pongo ningún regresor en mi modelo, detecta la no estacionaridad, terminando con ARIMA(0,1,1).
Sé que el problema es similar a esta tema, pero mi conjunto de datos es más grande (alrededor de 90 observaciones), por lo que la respuesta dada no es satisfactoria.
Respuestas
2 para la respuesta № 1auto.arima no hizo nada mal Tenga en cuenta que tiene un modelo aditivo:
response = regression + time_series
Cuando se incluyen regresores / covariables, la no estacionariedad es capturada por regresores / covariables, por lo que el componente de series de tiempo es simple. Para tus datos, terminas con ARIMA(0,0,0), que es el ruido blanco.
Cuando no tiene regresores / covariables, la no estacionariedad tiene que ser modelada por series de tiempo, por lo que se necesita una diferenciación. Para sus datos, termina con ARIMA(0,1,1).
Por supuesto, esos dos modelos no son iguales, ni siquiera equivalentes. Si realmente desea alguna selección de modelo, use los valores AIC de ambos modelos. Pero recuerda, todos los modelos están equivocados algunos son útiles. Siempre que un modelo no pueda ser rechazado con cierta significación estadística, es útil para propósitos de predicción.