哪个 ARMA 模型更优？
请回忆第 3 章：赤池信息准则（AIC）可用于比较参数数量不同的模型。它衡量拟合优度，同时对参数较多的模型施加惩罚，以避免过拟合。AIC 越低越好。
请将温度数据分别拟合为 AR(1)、AR(2) 和 ARMA(1,1)，并用 AIC 判定哪个模型拟合最佳。注意：AR(2) 和 ARMA(1,1) 相比 AR(1) 多 1 个参数。
年度温度变化数据位于 DataFrame chg_temp 中。
本练习是课程的一部分
Python 中的时间序列分析
练习说明
- 对每个 ARMA 模型，创建一个
ARIMA类的实例，传入数据和order=(p,d,q)。p为自回归阶数；q为移动平均阶数；d为差分次数。 - 使用
.fit()方法拟合模型。 - 打印 AIC 值，位于结果对象的
.aic属性中。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the module for estimating an ARIMA model
from statsmodels.tsa.arima.model import ARIMA
# Fit the data to an AR(1) model and print AIC:
mod_ar1 = ARIMA(chg_temp, order=(___, 0, 0))
res_ar1 = mod_ar1.fit()
print("The AIC for an AR(1) is: ", res_ar1.aic)
# Fit the data to an AR(2) model and print AIC:
mod_ar2 = ARIMA(chg_temp, order=(___, ___, ___))
res_ar2 = mod_ar2.___
print("The AIC for an AR(2) is: ", res_ar2.aic)
# Fit the data to an ARMA(1,1) model and print AIC:
mod_arma11 = ___
res_arma11 = ___
print("The AIC for an ARMA(1,1) is: ", ___)