《表1 部分ARIMA (p, d, q) 候选模型所对应的AIC、AICc和BIC值》
为了进一步精确ARIMA模型参数q和p的取值,本研究计算了所有ARIMA(p,d,q)候选模型的AIC、AICc和BIC值[17]。AIC是以熵的概念为基础,常用于评价模型的复杂度和拟合数据的优良性。由于AIC值会随着样本容量的增加而增大,故AICc对AIC进行了改进,使之不易受样本大小的影响;BIC则建立在贝叶斯决策理论的基础上,可防止模型因拟合精度过高而导致其复杂度过高。限于文章篇幅,表1呈现了部分ARIMA(p,d,q)候选模型所对应的AIC、AICc和BIC值。在表1中,当q=5且p=5时,AIC、AICc和BIC值均最小,故最优化ARIMA模型的参数是q=5、d=2、p=5。
图表编号 | XD0059871500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 刘清堂、黄景修、蒋志辉、张妮、巴深 |
绘制单位 | 华中师范大学教育信息技术学院、华中师范大学教育信息技术学院、长沙师范学院信息科学与工程系、华中师范大学教育信息技术学院、华中师范大学教育信息技术学院 |
更多格式 | 高清、无水印(增值服务) |