当我们在R中计算ARIMA模型时，如何求解NA值的标准误差，z和pr值？在sqrt（diag（x $ var.coef））中：产生的NaNs

Question

我一直在使用R编程语言使用ARIMA模型进行将来的预测，但是当我从预测包中运行ARIMA模型时，我的标准误差未正确计算，并出现了NA错误。您能否建议我以解决此问题？

arima（5,1,5）

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

coeftest(arima515)

输出：

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

正如您在上面看到的那样，错误，z值和pr为NA。

Answer 1

我不知道我是否正确理解了这个问题，但是，如果只需要参数标准错误，则只能像这样调用arima515或summary(arima515)

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

您将获得参数估计值和请参阅coeftest的文档，并查看可用于此功能的对象。相反，如果您想为您的Arima模型测试其他任何东西，请告诉我们您想做什么。