ARIMA(1,0,0)与滞后值回归的差异及R代码疑问

一、两段代码的功能拆解 #

1. lm() 代码的作用 #

ar_1 <- lm(df$VALUE ~ lag(df$value))
summary(ar_1)

这段是用普通最小二乘法（OLS）拟合线性回归，把df$VALUE（注意这里和自变量的df$value大小写不同，若为笔误应统一为同一列）当作因变量，用它的一阶滞后值做自变量。

核心特点：

• 自动丢弃因变量/自变量中含缺失值的行——lag()生成的第一个值为缺失，因此实际仅拟合从第2个到最后一个观测值。
• 完全遵循普通线性回归的「残差独立同分布」假设计算系数和标准误，未考虑时间序列的自相关特性。

2. arima() 代码的作用 #

arima_values <- arima(df$value, order=c(1,0,0))
arima_values

这段是用极大似然估计（MLE）拟合纯AR(1)时间序列模型——order=c(1,0,0)对应ARIMA(p,d,q)参数：p=1（一阶自回归）、d=0（不做差分）、q=0（无移动平均），即标准的AR(1)模型。

核心特点：

• 基于时间序列的概率模型框架，会利用全部观测值（不会直接丢弃第一个观测），通过模型逻辑处理初始值问题。
• 拟合时会考虑时间序列的残差自相关结构，估计的系数和标准误均符合AR模型的统计假设。

二、结果不同的核心原因 #

虽然AR(1)的公式看起来和「一阶滞后回归」类似，但两者底层逻辑存在本质差异：

• 估计方法不同：lm()以最小化残差平方和为目标（OLS），arima()默认以最大化模型似然函数为目标（MLE），优化逻辑不同导致结果差异。
• 观测值利用不同：lm()少用了第一个观测（滞后后缺失），arima()用了全部数据，样本量差异会直接影响系数结果。
• 标准误计算逻辑不同：lm()的标准误假设残差独立，完全未考虑时间序列自相关；arima()的标准误结合AR模型的自相关结构计算，更贴合时间序列特性。
• 模型假设不同：arima()针对平稳时间序列设计，lm()无此限制，两者在中心化、截距处理的细节逻辑上也有差异。

内容的提问来源于stack exchange，提问作者ameyashete