ARIMA结果解释

Question

我如何解释ARIMA的结果。我有一个不同的系列，我实现了2个ARIMA模型ARIMA2,1,0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。虽然我听说，即使在绘制了ACF和PACF之后，我们通常也会尝试一些或循环所有其他方法来找到最好的。我们是否看到要比较的AIC/BIC或其他统计数据？

这是ARIMA 1,1,0的结果

ARIMA 1,1,0

下面是ARIMA 2,1,0结果ARIMA 2,1,0

Answer 1

只要差分项相同(两个模型都是1)，就可以使用AIC/BIC比较这两个模型。

只能对相同大小的数据进行AIC/BIC比较。因此，如果一个模型的差分项=1，而另一个模型的差异项= 2，则后一个模型在建模后将具有较少的数据点，并且可能会提供较低的AIC/BIC，但无法保证会有更好的模型。

如果您的数据允许您进行交叉验证，那么在得出哪组参数最适合您的arima模型之前，您可能希望尝试一下。

你可能想看一下关于交叉验证的讨论，它给出了一个关于如何实现arima的交叉验证的简单想法。https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection