สรุปสถิติการวินิจฉัยโมเดล
การรู้ว่าเมื่อใดควรกลับไปออกแบบโมเดลใหม่นั้นสำคัญมาก ในแบบฝึกหัดนี้ คุณจะใช้สถิติการทดสอบค่าคงเหลือ (residual) จากตารางสรุปผลโมเดล เพื่อประเมินว่าโมเดลเหมาะสมกับอนุกรมเวลาหรือไม่
นี่คือสรุปการทดสอบที่มีในตารางสรุปผลโมเดล:
| การทดสอบ | สมมติฐานหลัก (Null hypothesis) | ชื่อ P-value |
|---|---|---|
| Ljung-Box | ค่าคงเหลือไม่มีความสัมพันธ์กัน |
Prob(Q) |
| Jarque-Bera | ค่าคงเหลือมีการแจกแจงแบบปกติ | Prob(JB) |
อนุกรมเวลา df ที่ไม่รู้จัก และคลาสโมเดล ARIMA ถูกเตรียมไว้ให้แล้วในสภาพแวดล้อมของคุณ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ARIMA Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create and fit model
model1 = ARIMA(df, order=____)
results1 = model1.fit()
# Print summary
print(____)