在上一期我們一起學習瞭如何選擇合適的模型，這一期我們一起來學習如何進行參數估計。
選擇好擬合模型之後，下一步就是要利用序列的觀察值確定模型的口徑，即估計模型中未知參數的值。
對未知參數的估計方法有三種：矩估計（運用p+q個樣本的自相關係數估計總體的自相關係數），極大似然估計（使得聯合密度函數達到最大的參數值），最小二乘估計（使得殘差平方和達到最小的那組參數值即為最小二乘估計）。
在R語言中，參數估計通過調用ARIMA函數來完成，該函數的命令格式為：
arima(x,order=,include.mean=,method=)
-x：要進行模型擬合的序列名.
-order：指定模型階數.order = c(p,d,q)
(1)p階自迴歸函數.
(2)d為差分階數.
(3)q為移動平均階數.
-include.mean：要不要包括常數項.
(1)include.mean = T，需要擬合常數項，這也是系統默設置。
(2)include.mean = F，不擬合常數項.
-method：指定參數估計：指定參數估計方法.
(1)method = "CSS-ML"，默認的是條件最小二乘與極大似然估計混合方法.
(2)method = "CSS-ML",極大似然估計.
(3)method = "CSS",條件最小二乘估計.
擬合AR(p)模型口徑
確定1950—2008年我國郵路及農村投遞線路每年新增里程數序列擬合模型的口徑。
xx.fitx.fit
根據該序列的自相關圖和偏自相關圖，將該序列定階為AR(2)模型，利用arima函數使用極大似然估計確定模型口徑。
擬合MA(q)模型口徑
確定美國科羅拉多州某一加油站連續57天的 OVERSHORT 序列擬合模型的口徑。
overshortovershort.fitovershort.fit
根據該序列的自相關圖和偏自相關圖，將該序列定階為MA(1)模型，利用arima函數使用條件最小二乘估計確定模型口徑。
擬合ARMA(p,q)模型口徑
確定1880—1985年全球氣表平均溫度改變值差分序列擬合模型的口徑。
dif_xdif_x.fitdif_x.fit
根據該序列的自相關圖和偏自相關圖，將該序列定階為ARMA(1,1)模型，利用arima函數使用條件最小二乘估計確定模型口徑。
閱讀更多 醫數思維雲課堂 的文章
