我如何解释ARIMA的结果。我有一个不同的系列，我实施了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下降到2左右]。虽然我甚至在绘制了ACF和PACF之后也听说过，但我们通常会尝试一些或者在所有情况下循环以获得最佳效果。我们是否看到AIC / BIC进行比较或其他统计数据？
这是ARIMA [1,1,0]结果
这是ARIMA [2,1,0]的结果 ARIMA 2,1,0
答案 0 :(得分：0)
只要差异项相同（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，如果您有一个差异项= 1且另一个模型为2的模型，后者在建模后将具有较少的数据点，并且可以给出较低的AIC / BIC而没有更好的模型的承诺。
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，然后才能得出哪一组参数最适合您的arima模型。
您可能需要查看有关Cross Validated的讨论，该讨论简单介绍了如何为arima实现交叉验证。 https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection
