了解 ACF - ARIMA 模型的 PCF 图

机器算法验证 r 时间序列 预测 有马 自相关
2022-04-10 14:59:16

在此处输入图像描述

我使用auto.arimaR 软件的功能得到以下 arima 模型的顺序：ARIMA(2,0,2)。然后我对我的数据使用以下命令来生成 ACF 和 PACF 图。

par(mfrow=c(1,2))
acf(mydata[,1],main="")
pacf(mydata[,1],main="")

我们如何从给定的图中观察 p=2 和 q=2 的值。我试图从以下书页中理解：https ://www.otexts.org/fpp/8/5 ，但它提到了 arima(p,d,0)或arima(0,d,q)我需要了解arima(p,0,q)的情况。

1个回答

下一节R 中的 ARIMA 建模实际上解释了如何auto.arima选择 ARIMA 模型。的模型选择auto.arima不是基于 ACF 或 PACF，而是 AICc 的最小化（默认情况下，其他可用的标准是 AIC 和 BIC）。如果一个时间序列同时涉及 AR 和 MA 过程，即使在 ACF 和 PACF 的帮助下它们在初始化 ARIMA 模型时很有用，但它们通常不会给我们最好的预测模型，我们将继续尝试的其他组合。当然，至少在传统的时间序列教学中，通过查看 ACF 和 PACF 图来了解数据生成过程是一个很好的起点。p,qp,q

其它你可能感兴趣的问题
上一篇了解 PyMC 中的因子潜力 下一篇对开源机器学习工具包的正确态度是什么？