ARIMA模型：绘图诊断，我们的mod残差是什么意思

Question

我正在用下面的教程研究ARIMA模型：https://www.digitalocean.com/community/tutorials/a-guide-to-time-series-forecasting-with-arima-in-python-3#step-5-——拟合ARIMA时间序列模型

在我用步骤5拟合模型后-使用以下代码拟合ARIMA时间序列模型：

mod = sm.tsa.statespace.SARIMAX(y,
                                order=(1, 1, 1),
                                seasonal_order=(1, 1, 1, 12),
                                enforce_stationarity=False,
                                enforce_invertibility=False)

results = mod.fit()

print(results.summary().tables[1])

和阴谋

^{pr2}$

我不知道这是什么意思：我们模型的残差是不相关的，正态分布，零均值。我想知道模型中的残差是什么，意思是残差是真实值和预测值之间的差值。在

ARIMA模式需要数据平稳性，为什么设置强制平稳性为假？强制平稳性和强制可逆性是什么意思？在

 enforce_stationarity=False,
 enforce_invertibility=False

如果可能的话，你能详细解释一下吗。谢谢！在

Answer 1

残差实际上是真实值和预测值之间的差异。如果残差之间存在相关性-在残差中留下的信息应用于计算预测。如果残差的平均值不是零，那么预测是有偏差的。例如，如果我们有一个不断增长的残差。。。-0.3，-0.2，0.1，0，0.1，0.2，0.3。。。以此类推，平均值为0）这意味着我们的模型不能完全描述过程。在

参数： 如果您查看包documentation，您将看到这些参数用于强制实现平稳性或可逆性。如果数据是平稳的，并且AR参数的选择是正确的（因为您应该已经做了一些之前的数据预处理），为什么我们要再次这样做？同样代表可逆性。在