R 语言经典实例（原书第 2 版）

446

｜

第

14

章

#> NA, NA, NA))

#>

#> Coefficients:

#> ma1 ma2 ma3 sma1

#> 0 0.404 0.293 -0.700

#> s.e. 0 0.129 0.107 0.135

#>

#> sigma^2 estimated as 0.156: log likelihood = -30.8, aic = 69.5

观察到 ma1 的系数现在为 0。其余系数（ma2、ma3、sma1 ）仍然显著，如其置信区间

所示，因此我们得到一个合理的模型：

confint(m, level = .98)

#> 1 % 99 %

#> ma1 NA NA

#> ma2 0.1049 0.703

#> ma3 0.0438 0.542

#> sma1 -1.0140 -0.386

14.20 对 ARIMA 模型进行诊断

14.20.1 问题

现在已经使用 forecast 包构建了 ARIMA 模型，需要运行诊断检验以验证模型。

14.20.2 解决方案

使用 checkresiduals 函数。此示例使用 auto.arima 拟合 ARIMA 模型，将结果放

入变量 m，然后在模型上运行诊断：

m <- auto.arima(x)

checkresiduals(m)

14.20.3 讨论

函数 checkresiduals 的结果是三个一组的图形，如图 14-14 所示。一个好的模型应

该产生如下结果：

#>

#> Ljung-Box test

#>

#> data: Residuals from ...