我已经使用statsmodels拟合了SARIMAX模型,如下所示:
mod = sm.tsa.statespace.SARIMAX(ratingCountsRSint,order=(2,0,0),seasonal_order=(1,0,0,52),enforce_stationarity=False,enforce_invertibility=False, freq='W')
results = mod.fit()
print(results.summary().tables[1])
在结果表中,我的系数ar.S.L52显示为0.0163。当我尝试使用
检索系数时seasonalAR=results.polynomial_seasonal_ar[52]
我得到-0.0163。我想知道为什么指示牌转过身来。对于polynomial_ar,也会发生相同的情况。在文档中,它说polynomial_seasonal_ar给出了“包含季节性自回归滞后多项式系数的数组”。我猜想应该得到与汇总表完全相同的内容。有人可以澄清是怎么回事,以及实际的滞后系数是正还是负?
答案 0 :(得分:0)
我将以AR(1)模型为例,但是相同的原理也适用于季节性模型。
我们通常将AR(1)模型写为:
y_t = \ phi_1 y_ {t-1} + \ varespilon_t
Statsmodels估计的参数为\ phi_1,这就是摘要表中显示的内容。
以滞后多项式形式编写AR(1)模型时,通常将其写为:
\ phi(L)y_t = \ varepsilon_t
其中\ phi(L)= 1-\ phi L,L是滞后算子。该滞后多项式的系数为(1,-\ phi)。这些系数就是结果对象的polynomial
属性中显示的值。