Как определить значения NA для стандартных ошибок, z и pr, когда мы рассчитываем модель ARIMA в R? В sqrt (diag (x $ var.coef)): произведено NaNs

Question

Я делал прогнозирование будущего с использованием модели ARIMA на языке программирования R, но когда я запускаю модель ARIMA из пакета прогноза, мои стандартные ошибки не рассчитываются должным образом и получают ошибку NA. Не могли бы вы посоветовать мне, чтобы решить эту проблему?

arima (5,1,5)

arima515 <- Arima(GSPC$SP500, 
                  order = c(5, 1, 5), 
                  include.constant = TRUE,
                  optim.control = list(maxit = 500),)

coeftest(arima515)

Вывод:

z test of coefficients:

       Estimate Std. Error z value Pr(>|z|)   
ar1    0.074793         NA      NA       NA   
ar2    0.142322         NA      NA       NA   
ar3    0.754132         NA      NA       NA   
ar4    0.179091         NA      NA       NA   
ar5   -0.370530         NA      NA       NA   
ma1   -0.122067         NA      NA       NA   
ma2   -0.180075         NA      NA       NA   
ma3   -0.751949         NA      NA       NA   
ma4   -0.147119         NA      NA       NA   
ma5    0.381992         NA      NA       NA   
drift  0.387899   0.132093  2.9366 0.003319 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Warning message:
In sqrt(diag(se)) : NaNs produced

Как видите выше этих ошибок z значения и pr равны NA.

Answer 1

Не знаю, правильно ли я понимаю вопрос, но если вам нужны только стандартные ошибки параметров, вы можете вызвать только arima515 или summary(arima515), например,

arima515 <- Arima(cop[,1], 
                  order = c(5, 1, 5), 
                  include.constant = TRUE,
                  optim.control = list(maxit = 500))

summary(arima515)

Series: cop[, 1] 
ARIMA(5,1,5) with drift 

Coefficients:
          ar1      ar2      ar3      ar4     ar5      ma1     ma2      ma3
      -0.7413  -1.2671  -0.5753  -0.3700  0.0221  -0.2412  0.5399  -0.7129
s.e.   1.4269   0.6982   1.1093   0.5289  0.0852   1.4266  1.1724   0.8139
          ma4      ma5   drift
      -0.1744  -0.4114  -1e-04
s.e.   1.0093   0.5184   1e-04

sigma^2 estimated as 0.5005:  log likelihood=-801.31
AIC=1626.63   AICc=1627.05   BIC=1682.05

Training set error measures:
                       ME      RMSE      MAE  MPE MAPE      MASE
Training set -0.005256166 0.7017616 0.513783 -Inf  Inf 0.6721109
                      ACF1
Training set -0.0009624799

, вы получите параметр оценки и se См. документацию для coeftest и посмотрите, какой объект вы можете использовать для этой функции. Вместо этого, если вы хотите протестировать что-либо еще для своей модели Arima , скажите нам, что вы хотели сделать.