当尝试使用这些方法找到最佳的AR（p）模型时，我得到了截然不同的结果。
ar {stats}：http://stat.ethz.ch/R-manual/R-patched/library/stats/html/ar.html
auto.arima {预测}：http://rgm2.lab.nig.ac.jp/RGM2/func.php?rd_id=forecast:auto.arima
# x is some time series
ar(x)
auto.arima(x, d=0, max.q=0)
我不能在这里放置数据集，因为它非常大，但是对于相同的数据集，ar给出44，而auto.arima给出5。它们都使用AIC最小化。有人知道他们为什么会产生如此不同的结果，哪个更好？
最佳答案
默认情况下，ar()使用Yule-Walker估计，而不是MLE。
默认情况下，auto.arima()将模型大小限制为五个参数。
还有其他差异，但仅靠这两个就能解释拟合模型之间的大部分差异。
至于哪个更好，则由您决定。这取决于模型的应用和目的。
关于r - R中AR模型选择的auto.arima和ar之间的区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/5557704/