ARIMAモデル（ノーマルエラーあり）

ARIMA(0,0,1)モデルはRで、外生変数は1つです。ARIMAモデル（ノーマルエラーあり）

はフィッティングの後、私は誤差項をテストし、それが（それがt-distributedエラーのようなものだ）非常に非正規だ：

私の質問は：t-distributedエラーでARIMAモデルに合うことができるRのいずれかのパッケージがありますか？それとも、この問題に対する他の救済策ですか？

データはすでにログ変換されているため、別のデータ変換を実行することはできません。

ご協力いただきありがとうございます。ここで

はデータです：

dput(x) 
c(1.098612289, 0, 1.791759469, 1.386294361, 0, 2.079441542, 2.772588722, 
2.564949357, 3.737669618, 3.761200116, 3.891820298, 3.555348061, 
2.944438979, 2.772588722, 1.791759469, 2.772588722, 2.564949357, 
3.258096538, 3.295836866, 2.890371758, 2.772588722, 2.197224577, 
4.077537444, 4.828313737, 5.855071922, 6.620073207, 7.561641746, 
7.887208586, 7.557472902, 6.747586527, 5.583496309, 4.465908119, 
3.526360525, 2.890371758, 2.564949357, 2.397895273, 2.302585093, 
0.693147181, 1.386294361, 0.693147181, 0.693147181, 0, 0, 1.098612289, 
0.693147181, 0, 0, 0, 0, 0, 0, 0, 0.693147181, 0.693147181, 0, 
0, 0.693147181, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0.693147181, 0, 0.693147181, 0.693147181, 1.386294361, 
0.693147181, 1.098612289, 2.564949357, 3.555348061, 4.744932128, 
4.615120517, 4.934473933, 4.779123493, 5.308267697, 5.303304908, 
5.416100402, 5.379897354, 5.153291594, 5.081404365, 4.927253685, 
4.86753445, 4.356708827, 4.060443011, 3.891820298, 3.091042453, 
3.091042453, 2.995732274, 2.302585093, 2.079441542, 1.609437912, 
0.693147181, 0, 0) 

dput(y) 
c(-2.760818612, -0.969058209, -1.374522756, -2.760817117, -0.681374268, 
0.011775716, -0.195861406, 0.976866516, 1.000404862, 1.131034014, 
0.794568131, 0.183662413, 0.011814959, -0.96901336, 0.011818696, 
-0.195818426, 0.497333426, 0.535078613, 0.129616682, 0.01183645, 
-0.5635262, 1.316797505, 2.067596972, 3.094420195, 3.859561475, 
4.801489346, 5.127554079, 4.798176537, 3.988449441, 2.824408827, 
1.706836735, 0.767295318, 0.131309734, -0.19411042, -0.361162633, 
-0.456471128, -2.065908853, -1.372761111, -2.065908104, -2.065907917, 
-2.759055098, -2.759055098, -1.660442435, -2.065907356, -2.759054536, 
-2.759054536, -2.759054536, -2.759054536, -2.759054536, -2.759054536, 
-2.759054536, -2.065907168, -2.065906981, -2.759054162, -2.759054162, 
-2.065906794, -2.759053975, -2.759053975, -2.759053975, -2.759053975, 
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.759053975, 
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.759053975, 
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.065906607, 
-2.759053787, -2.06590642, -2.065906232, -1.37275849, -2.065905484, 
-1.660440001, -0.194100686, 0.796304383, 1.985909791, 1.856116899, 
2.17549615, 2.020167801, 2.549349637, 2.544424292, 2.657261726, 
2.621099122, 2.394525569, 2.3226683, 2.168543275, 2.108848197, 
1.598036993, 1.301781851, 1.133168127, 0.332394215, 0.332398148, 
0.237091526, -0.456053969, -0.679196209, -1.149199089, -2.065489634, 
-2.758636814, -2.758636814, -2.758636814)

そして、私のコード：

y1 = y 
x_data1 = matrix(c(x), ncol = 1) 
ts_mod1 = arima(y1, order = c(0,0,1), xreg = x_data1) 
ts_res1 = ts_mod1$residuals 

qqnorm(ts_res1, main = "", cex.axis = 1.2, cex.lab = 1.45) 
qqline(ts_res1, col = "red")

出典

2016-12-20 zy.G

それはあなたのprobelmと助けを複製することが容易になるようにデータを共有してください。 dputを使用して、データと値の構造を教えてください。このデータは高い異方性を持っているようです。 –

このQ-Qプロットはheavy - tailed distributionの指標です。 this questionを参照して、q-qプロットのさまざまなタイプを理解することができます。あなたの質問に答えるために、非正規分布を扱うより良い仕事をするパッケージがあります。 forecastパッケージを試してみてください - ここで

require('forecast') 
ts_mod1 <- auto.arima(y1,xreg = x_data1) 
ts_mod1 

# Series: y1 
# ARIMA(4,0,2) with non-zero mean 
# 
# Coefficients: 
#  ar1  ar2  ar3  ar4  ma1  ma2 intercept x_data1 
# 0.7269 -0.3027 0.2060 -0.0391 -0.6260 0.4672 -2.4920 0.8695 
# s.e. 0.4409 0.4004 0.1771 0.1796 0.4577 0.3664  0.2536 0.1102 
# 
# sigma^2 estimated as 0.3996: log likelihood=-99.8 
# AIC=217.6 AICc=219.44 BIC=241.74

auto.arimaは自動的AIC = 219.96とARIMA(0,0,1)よりも優れているAIC値に基づいて最良のARIMA(4,0,2)モデルを選択します。このQ-Qプロットで示されているようフィット感も良いです - AutoBoxのと呼ばれるR内の別のパッケージがあり