我的时间序列在观察部分自相关( PACF )图时似乎有明显的滞后,即PACF值大于蓝色置信区间。我想通过编程验证这一点,但它似乎不起作用。我用状态模型时间序列api绘制了PACF图,显示出第一个滞后是显著的。因此,我使用在每个点上获得PACF值和置信区间,但两者之间的置信区间不匹配。更奇怪的是,使用了基本的估计函数,因此它们都应该匹配。(x)
p
根据附加的ACF/PACF,p/d/q_值的范围应该是多少? 实例为299个月。我目前正在测试p(0;13),d(0;4),q(0;13)。但这需要永远的时间 # evaluate an ARIMA model for a given order (p,d,q) and return RMSE
def evaluate_arima_model
我的数据框中有两列:monthlydate和sells。,需要三个参数,并且传统上是手动配置的。我开始用Python语言绘制ACF和PACF图,下面是输出。我不明白它表明了什么,以及我们如何使用这个图来构建ARIMA模型?We know that the PACF only describes the direct relationship between an observation and its lag.如何使用python找到最优的</em