В помощи ара() вы можете прочитать:
AIC Различия в АИК между каждой моделью и лучше облегающими моделями.
Итак, он показывает вам aic = 0 для выбранной («лучшей») модели, потому что разница равна нулю.
arima() показывает, что вы являетесь фактическим aic.
Например, рассмотрим следующий смоделированный набор данных:
set.seed(11)
d<-rnorm(100)
А затем оценить А.Р. АРМА модели:
ar.m<-ar(d,demean=FALSE)
ar.m
Call:
ar(x = d)
Coefficients:
1
-0.1847
Order selected 1 sigma^2 estimated as 0.816
Вы видите, что ар выбран один лаг. Таким образом, оценить ту же модель с ARIMA:
arima.m<-arima(d,order=c(1,0,0))
arima.m
Call:
arima(x = d, order = c(1, 0, 0))
Coefficients:
ar1 intercept
-0.1838 -0.1220
s.e. 0.0980 0.0756
sigma^2 estimated as 0.7995: log likelihood = -130.72, aic = 267.45
Вы видите сейчас, что АИК из arima.m является 267,45
Теперь AIC вычисляется с использованием невязки ar.m и формулу для AIC:
ar.m.res<-ar.m$resid
rss.ar.m<-sum(ar.m.res[-1]^2)
l.ar.m<-1/(2*pi*rss.ar.m/100)^50*exp(-50)
2*2-2*log(l.ar.m)
267.5334
Это почти то же самое ...