R 中模拟 MA(1) 过程的平均值
Mean of a simulated MA(1) process in R
我在 R 中使用 arima.sim:
模拟了一个 MA(1) 过程
y <- arima.sim(model=list(ma=c(0.3)), mean=2, n=10000)
不幸的是，测试系数给我的截距为 2.59，但不是 2，根据 MA 过程的定义应该是 2。
我认为 R 计算 mean/intercept 类似于 AR(1) 过程...有人知道如何获得更好的模拟或适合 MA(1) 模型（意味着：使用截距 2)?
谢谢！
我认为这看起来应该是这样。
y <- arima.sim(model=list(ma=0.3, order =c(0,0,1)), n=10000)
y<-y+2
>arima(y, order = c(0,0,1))
Call:
arima(x = y, order = c(0, 0, 1))
Coefficients:
ma1 intercept
0.3042 1.9829
s.e. 0.0095 0.0129
sigma^2 estimated as 0.9856: log likelihood = -14117.02, aic = 28240.04
对于 AR 这有效：
y <- arima.sim(model=list(ar=0.3, order =c(1,0,0)),mean=1.4, n=10000)
此处“mean”实际上是 c = \mu(1-\phi) 在 AR(1) 过程的情况下。
我在 R 中使用 arima.sim:
模拟了一个 MA(1) 过程y <- arima.sim(model=list(ma=c(0.3)), mean=2, n=10000)
不幸的是，测试系数给我的截距为 2.59，但不是 2，根据 MA 过程的定义应该是 2。
我认为 R 计算 mean/intercept 类似于 AR(1) 过程...有人知道如何获得更好的模拟或适合 MA(1) 模型（意味着：使用截距 2)?
谢谢！
我认为这看起来应该是这样。
y <- arima.sim(model=list(ma=0.3, order =c(0,0,1)), n=10000)
y<-y+2
>arima(y, order = c(0,0,1))
Call:
arima(x = y, order = c(0, 0, 1))
Coefficients:
ma1 intercept
0.3042 1.9829
s.e. 0.0095 0.0129
sigma^2 estimated as 0.9856: log likelihood = -14117.02, aic = 28240.04
对于 AR 这有效：
y <- arima.sim(model=list(ar=0.3, order =c(1,0,0)),mean=1.4, n=10000)
此处“mean”实际上是 c = \mu(1-\phi) 在 AR(1) 过程的情况下。