《表1 ARIMA模型参数估计的检验结果及拟合统计量》
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)。
图表编号 | XD0017512100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.31 |
作者 | 李家琦、王雷、宋媛媛、熊甜、胡樱 |
绘制单位 | 武汉大学健康学院、武汉大学健康学院、武汉大学健康学院、武汉大学健康学院、武汉大学全球健康研究中心 |
更多格式 | 高清、无水印(增值服务) |