【问题标题】:ARIMA results interpretationARIMA结果解释
【发布时间】:2017-12-08 10:31:12
【问题描述】:

我如何解释 ARIMA 的结果。我有一个不同的系列,我实现了 2 个 ARIMA 模型 ARIMA[2,1,0] 和 ARIMA [1,1,0] 。哪个更好,我还绘制了 ACF 和 PACF,我假设 2,1,0 应该是好的 [ACF 逐渐减少,PACF 在 2 左右下降]。尽管我甚至在绘制 ACF 和 PACF 之后也听说过,但我们通常会尝试一些或遍历所有其他方法以找到最好的。我们是否看到 AIC/BIC 进行比较或其他一些统计数据?

这是 ARIMA [1,1,0] 结果

ARIMA 1,1,0

这是 ARIMA [2,1,0] 结果 ARIMA 2,1,0

【问题讨论】:

    标签: python python-2.7 statistics time-series forecasting


    【解决方案1】:

    只要差异项相同(您的两个模型均为 1),您就可以使用 AIC/BIC 比较两个模型。

    AIC/BIC 比较只能应用于相同大小的数据。因此,如果您有一个模型的差异项 = 1,而另一个模型的差异项为 2,则后一个模型在建模后将具有更少的数据点,并且可能会提供较低的 AIC/BIC,而不能保证更好的模型。

    如果您的数据允许您进行交叉验证,您可能需要先尝试一下,然后再得出哪组参数最适合您的 arima 模型的结论。

    您可能想看看这个关于交叉验证的讨论,它提供了一个关于如何为 arima 实施交叉验证的简单想法。 https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection

    【讨论】:

      猜你喜欢
      • 2018-04-17
      • 2019-11-11
      • 2011-02-10
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多