ar（）関数とlm（）の遅延変数との比較

Question

"stats"パッケージのar()関数がBase lm()関数を介した通常の線形回帰で単にラグ変数を使用する方法と異なる点を理解しようとしています。

は私が走っています

係数：：返さ

ar(lh) 

0.6534 -0.0636 -0.2269は、だから私は、これはお勧め意味と仮定しますモデルはAR（3）です。私の理解が正しいならば、これは、データが（AR（3）構造を複製する方法として）従属変数のlag1、lag2、lag3でよく説明されていることを意味します。返さ

summary(lm(x~lag(x)+lag(x,2)+lag(x,3),data=as.data.frame(lh))) 

：だから私は、次のコードを実行

しかしlag2をし、全く統計的に有意でLAG-3ではありません。私は、ar（）はOLS回帰の最適なパラメータを見つけるために設計されたものではないことを理解していますが、その考えはおおよそ同じだと思いました。だから、私はARについて勘違いしていますか？

Answer 1

これは、予測力と過大パラメータのバランスです。これらはそれぞれ、赤池情報基準において、対数尤度およびパラメータの数に対応する用語として表される。 AR（1）からAR（3）に行くと、モデルに2つ以上のパラメータを追加することによって引き起こされる過大化のリスクの増加を相殺するだけでなく、予測力が向上します。それは統計的有意性を全く見ない。