比较 fable 中产生的 ARIMA 模型的 AICc

【问题标题】：Comparing AICc of ARIMA models produced in fable比较 fable 中产生的 ARIMA 模型的 AICc
【发布时间】：2020-11-23 22:28:52
【问题描述】：

当使用fable 生成一组不同的ARIMA 模型，使用不同的xreg 组合，如果不同的模型选择不同的d 和D 参数，那么AICc 不再具有可比性，对吧？在这种情况下，我是否应该从所有模型中找到最大值 d 和 D 并修复这些参数并重新训练模型以进行比较？

【问题讨论】：

你能澄清一下“x regs的不同组合吗？”
@MiguelTrejo 不同的组合，例如，一个模型规格可能是y ~ x1，另一个是y ~ x2，第三个是y ~ x1 + x2。所以在我的场景中，y 和 x1 可能是静止的，但 x2 不是。

【解决方案1】：

正确，信息标准只能在模型使用相同的响应变量（相同的变换，相同的差分）时进行比较。

自动选择算法使用回归残差执行重复的单位根检验，以识别适当的d 和D 参数。如果您要改变外生回归量，d 和 D 的选择可能会有所不同。

要通过 AICc 比较模型，您需要保持差异不变。或者，您可以通过accuracy() 函数使用其他精度度量来比较具有不同差异量的 ARIMA 模型（更多详细信息，请点击此处：https://otexts.com/fpp3/accuracy.html）

【讨论】：