我正在验证Arima模型，并且我想知道我的测试的关键值，根据p值拒绝空缺点。如果想要95％的信心。这是我的关键价值。
1-pchisq(-2*(try2$loglik-try1$loglik),1)
0.1817151
1-pchisq(-2*(try3$loglik-try2$loglik),1)
1
其中try1，try2和try3是三种不同的模型。 谢谢！
答案 0 :(得分：0)
您需要提供更多信息，但我想我知道您正在尝试做什么。
你的零假设是两个模型不能提供相同的拟合优度 - 一个模型不比另一个模型“更好”。通常，您可以针对基线模型测试每个模型。对结果的解释是：没有一个模型有显着差异（显着性水平为5％）。
通过使用1个自由度，您意味着在每个模型中添加一个自变量。例如，try1有1个独立变量，try2有2个，try3有3个。另请注意，绝对必须使用相同的因变量才能生效。< / p>
答案 1 :(得分：0)
ARIMA（自回归综合移动平均线）时间序列的交叉验证： K倍交叉验证不适用于时间序列。相反，请使用walk-forward和rolling windows之类的回测技术。
自回归的K折交叉验证：尽管交叉验证（通常）对时间序列（ARIMA）模型无效，但只要考虑的模型具有自回归，K折就可以用于自回归不相关的错误，并且您已经使用Ljung Box Test在时序用例中针对XAI（可解释人工智能）进行了测试。
有一些使用这些方法的Python统计资料库， 这里有两个：Python Stats Tests和Python StatsModels。
您始终可以研究Python API并很容易地将其重构为R。
要获取值的差异，您可以简单地使用Python 3.6+ PEP 487 Descriptors强制执行int8，在其中您可以强制执行始终返回int8的类型列表，以加快计算速度（list：list-> int列表）：
list_a = [1,2,3]
list_b = [2,3]
print(set(list_a).difference(set(list_b)))
答案是set([1])