《表2 ARIMA模型残差白噪声检验结果》

  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

《ARIMA模型在湖北省肺结核发病数预测中的应用》

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

利用Box-Ljung方法对残差序列进行白噪声检验剔除非白噪声模型（P<0.05），并选择最小正常BIC和固定R平方的相对较大的ARIMA模型[8]（表1）。列出了不同季节模型参数的ARIMA模型参数的参数估计和拟合统计的测试结果，并使用了AR（p）和MA（q）表示自回归和移动平均阶数，用SAR（P）和SMA（Q）表示季节自回归和移动平均阶数。ARIMA模型残差的白噪声检验结果（表2）。根据拟合模型的最佳拟合度标准，在考虑了简洁性模型的基础上选择ARIMA（1，1，2）（1，1，0） 12模型。随后开始绘制残差序列由自相关（ACF）和部分自相关图（PACF），可见提示残差序列ACF和PACF在人的95%置信区间内，表明模型的信息提取充分，残差满足独立性检验。初步确定该模型包含原始时间序列的所有特征，并且时间序列之间不存在相关性[9]（图3）。