楼主为何不用eviews做，用eviews实现ARIMA的阶数的判定很简单的额，采取AR还是MA或者ARIMA的模型都有判断标准的额

一时手痒按照你的要求写了两个函数，如下
#question 1
#general case
ar2.sim <- function(theta1,theta2,n,p)
{
  ar2sim<-arima.sim(list(order=c(2,0,0),ar=c(theta1,theta2)),n=n)
  sim.AIC<-numeric(p)
  for (i in 1:p)
  {
    sim.AIC<-arima(ar2sim,c(i,0,0))$aic
  }
  return(sim.AIC)
}
#your example
ar2.sim(theta1=.278,theta2=.366,n=50,p=8)
system.time(ar2.sim(.278,.366,50,8))

#question 2
#general case
ar2.sim.multiple <- function(theta1,theta2,n,p,R)
{
  ans <- replicate(R,ar2.sim(theta1,theta2,n,p))
  mean.AIC <- apply(ans,1,mean)
  return(list(ans,mean.AIC))
}
#your example
ar2.sim.multiple(theta1=.278,theta2=.366,n=50,p=8,R=1000)
  注释1：其中theta1,theta2是AR（2）model里面的两个参数，n是生成时间序列的样本量，p是你要fit的诸多AR(p)model 里面p的上限，R是第二问里面simulate的次数。

  注释2：因为arima的返回值里面貌似只包括aic，所以我只做了aic部分，aicc和bic我还要在研究一下。
  注释3：第二问的返回值由两部分组成，第一部分是一个pxR的大矩阵，包含了所有simulate出来的aic，我私自揣测你需要的应该是1000次simulate的均值，所以用apply对矩阵进行行求平均，得到了8个1000次simulate的aic的平均值，比较有参考意义，而且我自己也run过代码，发现在R=100的情况下，AR（2）即真实模型的AIC最小，完全make scense.
  注释4：因为R做loop的效率惨不忍睹，所以你要做R=1000的simulation,估计code会run很久，请耐心等待。

  如果有什么问题，欢迎和我交流~

谢谢oscar0525 回复！
> ar2.sim(theta1=.278,theta2=.366,n=50,p=8)
[1] 140.9363
#以上结果出来应该是8个值的向量，即用AR(1),...,AR(8)拟合真实的AR(2)，每次拟合得到AIC值，怎么仅一个值。

# bic值可用以下公式计算(但是AICC值暂没有做出，应该离算出不远了）

ar2test<-arima.sim(list(order=c(2,0,0),ar=c(.278,.366)),n=50)
ar2testfit<-arima(ar2test,order=c(2,0,0))
bic=AIC(ar2testfit, k = log(length(ar2test)))
#使用library(forecast)  再用summary(ar2testfit),可用看见AIC,AICC,BIC值，但是就 ar2testfit$aic
有具体值， 而ar2testfit$aic,  ar2testfit$aic是NULL。

不好意思，复制粘贴出来的代码总是错的，和我写的不一样，楼下的就对了，每次复制粘贴都会少一部分东西，不知道怎么回事。