auto.arima() 中未考慮季節性

我遇到的問題與這個線程基本相同，除了一件事：

就我而言，不同之處在於我的數據是每周而不是每天測量的，因此季節性太高（> 350）的論點不適用於我的數據，因為在我的案例中季節性是52（52 週）年）。

然而，當我使用 時auto.arima()，R 返回 ARIMA 模型 (p,d,q) = (2,1,1) 和 (P,D,Q) = (0,0,0)，而我的季節性模式數據是公然的……你怎麼能解釋 R 完全消除了我數據中的季節性？

由於我還處於學習階段，所以我使用的是庫中cmort可用的數據集astsa，所以這裡的每個人都可以使用與我相同的數據。

我已經cmort <- ts(cmort,frequency=52)確保我的數據中的季節性被考慮在內，但它並沒有改變任何東西。

（首先，cmort已經是一個52 的ts對象frequency，所以你不需要強制它。）

我會說季節性是可見的，而不是明目張膽的：

library(forecast)
library(astsa)
seasonplot(cmort)

根據幫助頁面 ( ?auto.arima)，auto.arima()決定是否使用 OCSB 測試來獲取季節性差異。在這種情況下，這個測試很可能只是出錯了。畢竟，這是一個統計測試。您可以通過設置來強制使用季節性模型D=1，儘管auto.arima()強制季節性運行了相當長的一段時間。（請注意，原始序列和差異序列之間的信息標準不可比。）

自動擬合模型：

> auto.arima(cmort)
Series: cmort 
ARIMA(2,1,1)                    

Coefficients:
        ar1     ar2      ma1
     0.0957  0.2515  -0.6435
s.e.  0.4302  0.2444   0.4155

sigma^2 estimated as 33.72:  log likelihood=-1609.89
AIC=3227.77   AICc=3227.85   BIC=3244.68

具有強制季節性的模型：

> auto.arima(cmort,D=1)
Series: cmort 
ARIMA(0,0,0)(1,1,0)[52] with drift         

Coefficients:
        sar1    drift
     -0.5737  -0.0257
s.e.   0.0378   0.0041

sigma^2 estimated as 47.7:  log likelihood=-1537.6
AIC=3081.21   AICc=3081.26   BIC=3093.57

引用自：https://stats.stackexchange.com/questions/213201