При использовании CSS (условной суммы квадратов) коэффициенты авторегрессии могут быть нестационарными (то есть они выходят за пределы области для стационарных процессов). В случае модели ARIMA (1,0,0) (1,0,0), которую вы подходите, оба коэффициента должны быть между -1 и 1, чтобы процесс был стационарным.
Вместо этого вы можете заставить R использовать MLE (оценку максимального правдоподобия), используя аргумент method="ML"
. Это медленнее, но дает лучшие оценки и всегда возвращает стационарную модель.
Если вы дифференцируете серию (как вы здесь), обычно лучше сделать это через модель, а не явно. Таким образом, ваша модель будет лучше оценена с использованием
set.seed(1)
series <- ts(rnorm(100),f=6)
fit <- arima(series, order=c(1,1,0), seasonal=list(order=c(1,0,0),period=NA),
method="ML")