ARIMAX 诉 ARX 时间序列建模

数据挖掘 时间序列
2022-02-15 17:18:51

我需要建立一个带有解释变量的时间序列模型,根据我对相关工作的调查, ARIMAX似乎是实践中出现频率最高的模型。

我知道ARX解决了一个类似的问题,但我很难理解我的数据的 ARX 表示与 ARIMAX 方法相比的实际差异。

我知道 ARX 缺少移动平均线组件,但我很好奇是否有人可以指出我选择一种方法而不是另一种方法的最佳实践。

我应该在我的数据中寻找某些特征以做出明智的决定吗?

1个回答

是的,有特点。您可以使用相关图来告知您数据中的错误结构。这将告诉您您的数据是否需要考虑 AR 和/或 MA 条款。还要检查单位根以告诉您是否需要区分时间序列。

链接很好地介绍了分析显示 AR(1) 过程模式的相关图。它的特征是下降或振荡但下降的价值。取决于您是否具有正自相关或负自相关。

MA(1) 过程的 ACF 如下所示。它的特点是一个重要的值,然后是非重要的振荡值。

MA(1) 流程

要判断您是否需要进行差分,您应该使用增强 dickey-fuller 测试之类的测试来检查单位根(即您的数据是集成的)。