Si vous regardez ?auto.arima
, vous saurez qu'il retourne le même objet que stats::arima
. Si vous regardez plus loin ?arima
, vous voyez que l'information que vous voulez peut être trouvée de $model
de la valeur retournée. Le détail de $model
peut être lu à partir ?KalmanLike
:
phi, theta: numeric vectors of length >= 0 giving AR and MA parameters.
Delta: vector of differencing coefficients, so an ARMA model is
fitted to ‘y[t] - Delta[1]*y[t-1] - ...’.
Donc, vous devez faire:
p <- length(fit$model$phi)
q <- length(fit$model$theta)
d <- fit$model$Delta
Exemple de ?auto.arima
:
library(forecast)
fit <- auto.arima(WWWusage)
length(fit$model$phi) ## 1
length(fit$model$theta) ## 1
fit$model$Delta ## 1
fit$coef
# ar1 ma1
# 0.6503760 0.5255959
Sinon (en fait mieux), vous peut se référer à la valeur $arma
:
arma: A compact form of the specification, as a vector giving the
number of AR, MA, seasonal AR and seasonal MA coefficients,
plus the period and the number of non-seasonal and seasonal
differences.
Mais vous devez les faire correspondre correctement et avec soin. Pour l'exemple ci-dessus, il y a:
fit$arma
# [1] 1 1 0 0 1 1 0
En utilisant la notation ARIMA(p,d,q)(P,D,Q)[m]
, on peut ajouter l'attribut name pour une présentation claire:
setNames(fit$arma, c("p", "q", "P", "Q", "m", "d", "D"))
# p q P Q m d D
# 1 1 0 0 1 1 0
Merci, la version mise à jour est exactement ce que je cherchais! – user1723699