ARIMA结果解释

时间:2017-07-04 22:19:18

标签: python python-2.7 statistics time-series forecasting

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

ARIMA 1,1,0

这是ARIMA [2,1,0]的结果 ARIMA 2,1,0

1 个答案:

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