第五章：模型诊断与评估

文档摘要

第五章：模型诊断与评估第五章：模型诊断与评估在成功识别（定阶）并估计了ARIMA模型的参数后，模型拟合过程并未完全结束。一个关键且不可或缺的步骤是对拟合好的模型进行诊断和评估。模型诊断旨在检验模型是否充分捕捉了时间序列的结构，特别是其核心假设——残差应为白噪声。模型评估则关注模型的拟合优度和预测能力。本章将详细阐述这些诊断与评估的方法。 5.1 残差分析：正态性、独立性、同方差性检验 ARIMA模型的核心思想是将时间序列分解为由模型捕捉到的确定性部分（如趋势、季节性、自回归和移动平均成分）和剩余的随机部分——残差。一个好的ARIMA模型应该能够将时间序列中的所有非随机、可解释的结构都提取出来，使得残差成为一个独立的、同分布的随机序列，即白噪声序列。