我对如何计算AR，MA，ARMA和ARIMA中的ACF和PAC的q值感到困惑。例如，在R中，我们使用acf或pacf来获得最佳的p和q。
然而，根据我读过的信息，p是AR的顺序，q是MA的顺序。假设p = 2，那么AR（2）应该是y_t=a*y_t-1+b*y_t-2+c。我们可以在滞后= 1,2,3 ....时计算acf函数（在R中），以找出哪个滞后带来最大的acf函数值。对于决定q，MA也会发生同样的事情。但是，这是否意味着已经建立了p和q？
我想这是步骤。但我不确定我是否正确。 那么，让我们说在R的函数acf和pacf中，这是真正的过程： 1.对于p = 1，设置lag = 1,2,3，... max以查看哪个滞后具有最大的自相关值。 2.对于p = 2,3,4 ......，做同样的事情来找到滞后。 3.将这些值相互比较。假设当p = 2且滞后= 4时，最大的自相关值出现，当我们说AR的顺序时，即。 p，是2？
云端有人请举例说明如何估算p和q？
答案 0 :(得分：6)
我懒得复制粘贴好东西。我强烈建议您通过以下链接来理顺时间序列分析的核心概念。希望它有所帮助！
http://people.duke.edu/~rnau/411arim3.htm
答案 1 :(得分：0)
在AR（p）模型中最优的PACF图，在MA（q）模型中最优的ACF图
答案 2 :(得分：0)
这不是一个好的 stackoverflow 问题。为此，您想访问 Math 站点。不过，要回答您的问题，没有一种普遍接受的方法可以找到最佳 p 和 q。
通常，大多数人倾向于使用 pacf 可视化（在这种情况下，如您所见，您无法区分是将时间放入 p 还是 q）并设置 p == q。
>另一种方法是在网格搜索中尝试使用不同的 p 和 q 值估计时间序列，然后选择最大化某些估计量的组合，例如对数似然或样本外误差，或任何对您的数据集有意义的内容。
但是，如果我可以建议，您可能希望首先查看关于 arima 模型的相当广泛的研究，看看其他人是如何做到这一点的 - 这真的应该是您解决此类问题的第一步。