1. 原序列畫圖，判斷趨勢性，週期性，決定季節性還是非季節性，若季節性結合實際初步猜測週期。
2. 原序列平穩性檢驗。直接單位根檢驗 p值小於0.05→拒絕原假設→不存在單位根→平穩序列
3. 原序列白雜訊檢驗。看q統計量對應的p值小於0.05→拒絕原假設→原序列非白雜訊，繼續進行分析，否則停止分析。
4. 如果根據自相關圖與偏自相關圖能夠定出模型 則先定出模型準則如下: ar
模型：自相關係數
拖尾，偏
自相關係數
截尾；ma
模型：自相關係數
截尾，偏
自相關函式
拖尾；arma
模型：自相關函式
和偏自相關函式
均拖尾。
否則，直接跳到第三部。
5. 模型定階。 aic準則 bic準則，階數低時aic，likehood越小越好 階數高時小得不多則不好
6．殘差檢驗。 對殘差進行q統計量檢驗，
p值首先大於0.05而且越大→不能拒絕原假設h→ 序列滿足白雜訊的假定 → 資訊提取完畢。
否則→殘差為非白雜訊→重新定階數
ARIMA模型分析
matplotlib，pandas庫 pd.series是一維陣列，基於numpy的ndarray 結構.字典，列表都可以使用pd.series表示成一維陣列.time series.index的index為可選引數，若不填寫則預設為index從0開始.這裡用年份表示.格式為pd.series li...
資料分析 ARIMA方法建模步驟總結
arima模型適用於非平穩時間序列資料，其中的i表示差分的次數，適當的差分可使原序列成為平穩序列後，再進行arima模型的建模。其建模步驟與arma模型類似，分為5個步驟 平穩 通過差分的手段，對非平穩時間序列資料進行平穩操作。定階 確定arima模型的階數p,q。估計 估計未知引數。檢驗 檢驗殘差...
R 簡述時間序列（ARIMA）
時間序列是指將同一統計指標的數值按時間先後的順序排列而成的數列，主要目的是用歷史資料 未來。時間序列一般分為連續性和離散型，下面只講離散型。我這裡主要講的是r中arima模型 單積自回歸移動平均 其中ar是自回歸 ma是移動平均，具體推導很複雜就不詳述了。白雜訊 均值，方差不隨時間變化的一種平穩的隨...