从 acf 和 pacf python 确定 p,q

Posted 2023-02-16

【中文标题】从 acf 和 pacf python 确定 p,q

【英文标题】：Determining p,q from acf and pacf python

【发布时间】：2020-08-11 04:53:58

【问题描述】：

我很难理解如何在 ARIMA 中确定 p 和 q。我的理解是，PACF 截止决定p，ACF 命中非常低决定q，但同时PACF 中的截止决定p 等于AR（q）？我还是很困惑。然后我自己尝试构建 ARIMA 模型，我得到了这个 ACF 和 PACF。我假设p 是 16，因为它在滞后 16 处被切断（突然达到零）。q 是 1，因为它在滞后 1 处达到非常低。所以我的 ARIMA 订单将是 (16,0,1 ）。我错了吗？我是从kaggle 和here 那里学到的。不知道我理解对不对

【参考方案1】：

蓝色波段内的相关性在统计上不显着，因此看起来您没有模型。 https://www.statsmodels.org/stable/examples/notebooks/generated/tsa_arma_0.html 这里有一个很棒的教程，介绍如何将 Python 用于 ARMA 模型。

【讨论】：

哦，好吧，我想如果我让 d = 0，那么它将适用于我的 ARMA 模型。我已经阅读了您提供的链接的内容，但我仍然对如何确定我的p 和q 感到困惑，它没有解释它的选择

了解几个简单的例子很方便。对于 AR(1) 模型，ACF 是指数型的，而 PACFi 仅在 lag=1 时为非零。对于 MA(1) 模型，ACF 仅在 lag=1 时为非零，而 PACF 呈指数下降。 MA(2) 模型将只有 ACF 的前两个值非零。请记住，如果模型中存在负系数，则 ACF 和 PACF 的值可能为负。如果它看起来像随机游走，则对您的数据进行差异以创建 ARIMA 模型。希望这会有所帮助。

好的，非常感谢您的解释，祝您有美好的一天:)