模型选择 - I

根据对数化并差分后的 varve 数据（dl_varve）的样本 P/ACF，指示为 MA(1)。拟合 ARMA 的最佳做法是从低阶模型开始，然后一次只增加一个参数，观察结果是否发生变化。

在本练习中，您将对 dl_varve 拟合多个模型，并记录每个模型的 AIC 和 BIC。下一练习中，您将使用这些 AIC 和 BIC 来选择模型。请记住，您需要保留 AIC 和/或 BIC 最小的模型。

开始之前的说明：

sarima(x, p = 0, d = 0, q = 1) 与 sarima(x, 0, 0, 1)

是等价的。

已预加载 astsa 包。序列 varve 已按 dl_varve <- diff(log(varve)) 完成取对数并差分。
使用 sarima() 为 dl_varve 拟合一个 MA(1)。仔细查看 sarima() 的输出，找到该模型的 AIC 和 BIC。
重复上一步，但通过拟合 MA(2) 模型来增加一个 MA 参数。根据 AIC 和 BIC，这是否优于之前的模型？
不增加 MA 参数，而是在原始的 MA(1) 基础上增加一个 AR 参数。也就是说，为 dl_varve 拟合一个 ARMA(1,1)。根据 AIC 和 BIC，这是否优于之前的模型？