arima模型python 怎么看平穩(wěn)性

時間序列分析(一) 如何判斷序列是否平穩(wěn)

創(chuàng)新互聯(lián)建站是一家專注于成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計與策劃設(shè)計,璧山網(wǎng)站建設(shè)哪家好?創(chuàng)新互聯(lián)建站做網(wǎng)站,專注于網(wǎng)站建設(shè)十年,網(wǎng)設(shè)計領(lǐng)域的專業(yè)建站公司;建站業(yè)務(wù)涵蓋:璧山等地區(qū)。璧山做網(wǎng)站價格咨詢:028-86922220

序列平穩(wěn)不平穩(wěn)，一般采用兩種方法：

第一種：看圖法

圖是指時序圖，例如(eviews畫滴)：

分析：什么樣的圖不平穩(wěn)，先說下什么是平穩(wěn)，平穩(wěn)就是圍繞著一個常數(shù)上下波動。

看看上面這個圖，很明顯的增長趨勢，不平穩(wěn)。

第二種：自相關(guān)系數(shù)和偏相關(guān)系數(shù)

還以上面的序列為例：用eviews得到自相關(guān)和偏相關(guān)圖，Q統(tǒng)計量和伴隨概率。

分析：判斷平穩(wěn)與否的話，用自相關(guān)圖和偏相關(guān)圖就可以了。

平穩(wěn)的序列的自相關(guān)圖和偏相關(guān)圖不是拖尾就是截尾。截尾就是在某階之后，系數(shù)都為 0 ，怎么理解呢，看上面偏相關(guān)的圖，當(dāng)階數(shù)為 1 的時候，系數(shù)值還是很大， 0.914. 二階長的時候突然就變成了 0.050. 后面的值都很小，認(rèn)為是趨于 0 ，這種狀況就是截尾。再就是拖尾，拖尾就是有一個衰減的趨勢，但是不都為 0 。

自相關(guān)圖既不是拖尾也不是截尾。以上的圖的自相關(guān)是一個三角對稱的形式，這種趨勢是單調(diào)趨勢的典型圖形。

下面是通過自相關(guān)的其他功能

如果自相關(guān)是拖尾，偏相關(guān)截尾，則用 AR 算法

如果自相關(guān)截尾，偏相關(guān)拖尾，則用 MA 算法

如果自相關(guān)和偏相關(guān)都是拖尾，則用 ARMA 算法， ARIMA 是 ARMA 算法的擴展版，用法類似 。

不平穩(wěn)，怎么辦？

答案是差分

還是上面那個序列，兩種方法都證明他是不靠譜的，不平穩(wěn)的。確定不平穩(wěn)后，依次進行1階、2階、3階...差分，直到平穩(wěn)位置。先來個一階差分，上圖。

從圖上看，一階差分的效果不錯，看著是平穩(wěn)的。

ARIMA模型做時間序列分析怎么判斷序列圖是否具有季節(jié)性？

輸入代碼自動判斷：

View\Residual

Test\Correlogram-Q-statistics

輸出et與et-1，et-2…et-p（p是事先指定的滯后期長度）的相關(guān)系數(shù)和偏相關(guān)系數(shù)。

異方差的檢驗：最簡單的檢驗方法是White檢驗。

擴展資料：

ARIMA模型做時間序列類型：

長期趨勢(T)。即時間序列在一個長時期內(nèi)受基本因素的影響而增大或減小的趨勢。

周期波動(C)，也叫循環(huán)變動。即時間序列受經(jīng)濟等原因影響呈現(xiàn)出的波浪形和震蕩式發(fā)展。

季節(jié)變動(S)。即時間序列在一年內(nèi)某個時期重復(fù)出現(xiàn)的波動。

不規(guī)則變動(I)。即時間序列由于突發(fā)或偶然事件引起的變動。

你好，我想問下，為什么我用auto.arima預(yù)測出來的結(jié)果是水平直線？怎么回事呢？

不是水平直線，是一條近似水平直線的點預(yù)測和一些由不同顏色構(gòu)成的區(qū)間預(yù)測。你可以看一下airfore的具體內(nèi)容就知道了。