5.1 残差分析：正态性、独立性、同方差性检验

文档摘要

5.1 残差分析：正态性、独立性、同方差性检验第五章：模型诊断与评估在构建并拟合 ARIMA 模型之后，一个至关重要的步骤是对模型进行诊断和评估。这不仅是为了确认模型的拟合效果，更是为了验证模型的基本假设是否成立。只有通过了诊断的模型，其预测结果才更可靠，基于模型的推断才更有意义。本章将深入探讨如何对 ARIMA 模型进行诊断与评估。 5.1 残差分析：正态性、独立性、同方差性检验模型诊断的核心往往在于对模型残差的分析。残差是实际观测值与模型预测值之间的差异。一个好的时间序列模型应该能够捕捉数据中的所有系统性信息（如趋势、季节性、周期性、自相关性等），而将剩余的部分留给随机的、不可预测的误差。因此，如果一个 ARIMA 模型被正确地指定并拟合，其残差应该表现出“白噪声”的特性。