《表1 部分ARIMA (p, d, q) 候选模型所对应的AIC、AICc和BIC值》

  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

《面向在线讨论的时间序列建模实验》

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

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。