r - R中的AR（2）模型

Question

我是 R 程序的新手，如果有任何信息丢失，我会尽量简短。

我正在尝试在 R 中做一个 AR(2) 模型。并且在获得正确的估计时遇到了问题。

在下面

Start = 1 
End = 128 
Frequency = 1 
  [1]  0.00000000  0.00000000  0.10536052  0.00000000  0.00000000  0.18232156  0.08004270  0.00000000  0.07410798  0.06899287
 [11]  0.00000000  0.18232155  0.00000000 -0.05715841  0.00000000  0.00000000  0.05715841  0.05406723  0.14660347  0.12783337
 [21]  0.11332867  0.06899290  0.00000000 -0.03390160  0.00000000  0.18805230  0.05556980  0.02666830  0.07598590  0.07061750
 [31]  0.02247290  0.06453850 -0.11000090 -0.02353050  0.15415070 -0.06317890  0.06317890  0.13353140  0.08552220  0.03226080
 [41]  0.11954520  0.10676800  0.02500130 -0.03774040  0.16507980  0.06317890  0.02020270 -0.16251890  0.16251890  0.05826890
 [51] -0.03846630  0.13720110  0.06613980 -0.06613980  0.15048100  0.16874950  0.00619190 -0.01242250 -0.12641390  0.04845240
 [61] -0.26101380  0.24053520  0.17655790 -0.06569530  0.09418730  0.05996340  0.00000000  0.03636770  0.10638040 -0.18599810
 [71] -0.18786170 -0.24846140  0.16507980  0.09002610  0.14177550  0.16882090  0.08822420 -0.23431680  0.20271150  0.15676850
 [81]  0.22078780  0.14058190  0.19992530  0.07745810 -0.15656910 -0.15981640  0.11271970  0.03980630 -0.05515190  0.14601760
 [91]  0.08124120  0.03827260  0.07973860 -0.05630010  0.11992580  0.04355800  0.01302950 -0.06691460  0.11277240  0.02291930
[101]  0.00602410  0.07934940  0.05923670  0.06698650  0.08660380  0.09408650  0.02020270  0.05638030  0.04527330 -0.03680260
[111]  0.01411770  0.09233640  0.07819060 -0.01494160 -0.09230390  0.08799360  0.07688100  0.06297480  0.03867890 -0.01915250
[121]  0.02185880 -0.07383080  0.05748170  0.10590980  0.01876840  0.01125420  0.03688130  0.05544500 

以上是我的数据，我将其设为频率为 1 的时间序列，因为它是年度数据。我用的

indprod.ts <- ts(V1, start = 1, frequency = 1)

现在对于我的问题，当使用我的命令创建 AR(2) 模型时：

result3 <- dynlm(d(indprod.ts) ~ L(d(indprod.ts), k = 1:2))

我得到了这个结果：

Start = 4, End = 128

Call:
dynlm(formula = d(indprod.ts) ~ L(d(indprod.ts), k = 1:2))

Residuals:
     Min       1Q   Median       3Q      Max 
-0.35801 -0.05955 -0.00317  0.06246  0.39181 

Coefficients:
                             Estimate Std. Error t value Pr(>|t|)    
(Intercept)                -0.0001968  0.0101840  -0.019    0.985    
L(d(indprod.ts), k = 1:2)1 -0.5702522  0.0834579  -6.833 3.50e-10 ***
L(d(indprod.ts), k = 1:2)2 -0.3804987  0.0834699  -4.559 1.23e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1139 on 122 degrees of freedom
Multiple R-squared:  0.292, Adjusted R-squared:  0.2804 
F-statistic: 25.16 on 2 and 122 DF,  p-value: 7.114e-10

我不知道我做错了什么。并会感谢您的帮助。

标签： r