如果你的自变量都是数的话，可以输入一个数组，不然可以输入个矩阵。

2# qoiqpwqr
那如果，自变量全是矩阵呢？

在构建函数的时候可以先加上默认值，这样的话在调用的时候，只要给要改动的值赋值就行。比如
myfunction<-function(x1=0,x2=0...xn=0){
z=x1+x2+x3+...xn
return(z)
}
调用的时候，如果只改动x2，x5，则可以直接myfunction(x2=12,x5=232)就行；

题目：根据某时间序列r的程序估计结果，写出时间序列r的模型：并推断MA(1)模型中是否存在自回归条件异方差？写出检验过程。
>s.arima=arima(s,order=c(0,0,1))
>s.arima
series: s
ARIMA(0,0,1) with non-zero mean
Coefficients:
Ma1 intercept
0.5073 0.0056
s.e. 0.0421 0.0166
sigma^2 estimated as 0.06788: log likelihood=-41.34
AIC=86.68 AICc=86.72 BIC=99.65

>Box.test(s.arimasresiduals)
Box-Pierce test
data: s.arimaSresiduals
X-squared=1.7363, df=1, p-value=0.1876

>LB.test(s.arima,lag=12)
Box-Ljung test
data: residuals from s.arima
X-3quared=36.0193, df=11, p-value=0.000168



我的过程
时间序列r的模型为：
上传到附件




Box-Pierce检验 零假设为：该时间序列为白噪声序列。
备择假设为：序列之间不是白噪声序列
P值大于0.05，不能拒绝原假设，认为滞后2阶的序列是纯随机序列，相互独立。

Ljung-Box检验
零假设：模型数据的残差项都是独立的，即残差项的相关系数为0，备择假设为序列残差项之间存在相关性。
P值小于0.05，因此拒绝原假设，认为滞后12阶序列残差项不独立，存在相关性。

不知对否？并推断MA(1)模型中是否存在自回归条件异方差？ 这个该怎么看呢？