后一段数据得出的是后一段数据模型的参数，只是用前一段数据的参数值作为后一段数据模型的initial values。
如果前后两段数据是stationary的话，得出的参数结果不应该会差太多，也就是后一段数据的极值区域不会离initial  value 太远。但你前后两段数据在分开进行分析的时候结果明显不一样，variance后面一段数据明显大于前面一段。
那就说明整段数据并不是stationary process，需要改变模型进一步分析。
这个是直接从你的output上所理解的。

这个initial value没懂…………参数估计的话，一开始参数就存在了，那后面再估计不是很奇怪吗？那为什么不直接再用后面一段数据，不加初始值再来估计呢？这个初始值在估计时的起到的作用或者说原理我应该怎么理解呢？有初始值和没有初始值有什么区别吗？