Один зі способів порівняння різних замовлень моделі ARIMA – це підібрати кожну модель до одного набору даних і обчислити
і
значення для кожної моделі. Потім ви можете ранжувати моделі відповідно до їхніх значень AIC або BIC і вибрати модель із найнижчим значенням.3 березня 2023 р.
Ви також можете побудуйте прогнози та залишки для кожної моделі та перевірте їхні припущення. Потім ви можете вибрати модель, яка має найнижчий AIC, BIC і RMSE, а також найкращий прогноз і залишкові графіки. У цьому випадку це може бути модель ARIMA(1,1,1) із сезонною складовою.
Щоб вибрати найкращий порядок ARIMA для даних часових рядів, порівнювати та вибирати моделі за показниками ефективності. Створіть кілька моделей ARIMA з різними порядками після забезпечення стаціонарності та визначення попередніх порядків AR, I та MA за допомогою автокореляційного та часткового автокореляційного аналізу.
Підходить для моделі ARIMA
- Вирішіть, чи є дані стаціонарними. Тобто чи мають дані постійне середнє значення та дисперсію. …
- Отримавши стаціонарні дані, визначте модель. …
- Після того, як ви визначили одну або кілька ймовірних моделей, скористайтеся процедурою ARIMA.
Хоча SARIMA зазвичай дає точніші прогнози завдяки своїй здатності враховувати сезонність, це не завжди найкращий вибір.
- Надайте пріоритет SARIMA, якщо ваші дані демонструють сильні сезонні закономірності.
- Розгляньте ARIMA для суто несезонних даних, особливо якщо важлива інтерпретація моделі.
Один зі способів порівняння різних замовлень моделі ARIMA – це підібрати кожну модель до одного набору даних і обчислити значення AIC і BIC для кожної моделі. Потім ви можете ранжувати моделі відповідно до їхніх значень AIC або BIC і вибрати модель із найнижчим значенням.