Usando la función `ar` en R para ajustar un AR(p) con un orden exacto predeterminado p.

Question

Estoy jugando con los datos de manchas solares de R y tengo $X$ como la suma anual de manchas solares (por tanto $X$ es un vector de longitud 235).

Quiero ajustar diferentes modelos de AR con diferentes órdenes, $p = 1, 2, ..., 20$ . Utilizo el ar en R. Según Documentación R si la entrada AIC = FALSE entonces AR ajusta el modelo AR con el orden como entrada order.max . Pero no importa el método que utilice ( "yw", "mle", "yule-walker" ), no puedo ajustar el orden exacto que quiero?

Un ejemplo:

> ar(X, order.max = 20, AIC = FALSE )

Call:
ar(x = X, order.max = 20, AIC = FALSE)

Coefficients:
      1        2        3        4        5        6        7        8        9  

 1.2187  -0.4644  -0.1339   0.1351  -0.1133   0.0730  -0.0450   0.0189   0.1604  

Order selected 9  sigma^2 estimated as  38050

En este caso quiero un modelo AR (no importa lo malo que sea el ajuste) de orden 20 pero devuelve un modelo de orden 9. ¿Cómo forzar esto? AR para dar el número exacto de orden que quiero? o ¿Qué otra función podría resolver mi problema?

Cita de la documentación de R: AIC: Bandera lógica. Si TRUE entonces se utiliza el Criterio de Información de Akaike para elegir el orden del modelo autorregresivo. Si FALSE el modelo de orden order.max está equipado.

https://www.rdocumentation.org/packages/stats/versions/3.4.1/topics/ar

Answer 1

Las mayúsculas son importantes. El parámetro se llama aic no AIC . (Sí, esto es confuso). Compara

> ar(rnorm(100),order.max=10,aic=FALSE)

Call:
ar(x = rnorm(100), aic = FALSE, order.max = 10)

Coefficients:
      1        2        3        4        5        6        7        8        9       10  
-0.1336  -0.2134  -0.2048  -0.1155  -0.1094  -0.1778  -0.0832  -0.2873   0.0274  -0.1503  

Order selected 10  sigma^2 estimated as  0.9316

a

> ar(rnorm(100),order.max=10,AIC=FALSE)

Call:
ar(x = rnorm(100), order.max = 10, AIC = FALSE)

Coefficients:
      1        2        3        4        5  
-0.0506   0.0128   0.0613  -0.2425  -0.2732  

Order selected 5  sigma^2 estimated as  0.8332