我已经使用 statsmodels 拟合了 SARIMAX 模型,如下所示
mod = sm.tsa.statespace.SARIMAX(ratingCountsRSint,order=(2,0,0),seasonal_order=(1,0,0,52),enforce_stationarity=False,enforce_invertibility=False, freq='W')
results = mod.fit()
print(results.summary().tables[1])
在结果表中,我有一个系数 ar.S.L52,显示为 0.0163。当我尝试使用检索系数时
seasonalAR=results.polynomial_seasonal_ar[52]
我得到 -0.0163。我想知道为什么标志会掉头。polynomial_ar 也会发生同样的事情。在文档中它说 polynomial_seasonal_ar 给出了“包含季节性自回归滞后多项式系数的数组”。我会猜到我应该得到与汇总表完全相同的结果。有人可以澄清这是如何发生的以及滞后的实际系数是正数还是负数?
我将使用 AR(1) 模型作为示例,但同样的原则也适用于季节性模型。
我们通常将 AR(1) 模型写为:
y_t = \ phi_1 y_ {t-1} + \ varespilon_t
Statsmodels 估计的参数是\phi_1,这就是汇总表中显示的内容。
在以滞后多项式形式编写 AR(1) 模型时,我们通常这样写:
\phi(L) y_t = \varepsilon_t
其中 \phi(L) = 1 - \phi L,L 是滞后算子。这个滞后多项式的系数是 (1, -\phi)。这些系数是polynomial
在结果对象的属性中显示的。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句