自相關
添加季節性滯後後剩餘相關性仍然存在
我正在嘗試對營業利潤率進行建模，時間圖表明該系列可能遵循自回歸過程。我最初將數據擬合到 AR(1) 模型中，並且似乎在第四個滯後項中存在殘差相關性。我添加了額外的第四個滯後，雖然第四個殘差中的 AC 確實降低了，但 t-stat 仍然略大於 2。此外，第二個（第四個滯後回歸量）似乎非常微不足道。我正在尋找有關如何改進模型規範的建議。
你應該分析什麼：
- 看看使用者 Horeseless 指出的季節性。
- 再看ACF，如果突然斷掉就是MA性質的東西，如果衰減很慢就是AR。
- 查看部分 ACF 以了解哪些滯後是相關的。
你可以在這裡找到理論和程式碼。
在安裝任何 ARIMA 模型之前，請確保：
- 您的數據中沒有季節性趨勢。如@Horseless 所指出的，如果存在，則通過採取適當的滯後差異對其進行去季節化
- 在擬合任何模型之前，請確保數據是靜止的。
- 一旦達到平穩性，繪製 ACF 和 PACF 並找到適當的滯後。要找到合適的滯後選擇，您可以使用各種資訊標準，如 AIC、BIC、SIC、HQIC 等。（有很多 R 包可用，允許自動選擇適當的滯後順序）
擬合合適的模型後，確保誤差項（殘差）是白雜訊。