《表3 ARIMA模型参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《用外部强迫因子对近百年陆地降水变化的统计建模试验》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

下面以全球陆地降水为例，来说明ARIMA模型的建立.从3.1.1节中全球降水的MLR模型来看，显然模型中自变量之间不存在共线性（VIF=1.007），但DW=1.32，明显偏低，表明残差中可能存在自相关.因此对残差进行深入分析，计算残差的滞后自相关（autocorrelation function，ACF）和偏自相关（partial autocorrelation function，PACF）（图3）.显然，无论是ACF还是PACF，无论是滞后多少步，二者都超过了置信度的范围，即均是拖尾的.因此，需要采用ARIMA模型对残差进一步拟合.经参数选择对比，ARIMA（1，1，1）（表3）的标准均方误差为最小.