时间序列模型的共同假设是高斯创新分布。拟合模型后,您可以推断残差并检查它们是否正常。如果高斯创新的假设持有,则残留量应大致分布。
一些评估正常的情节是:
直方图
箱形图
分位式量子图
内核密度估计
最后三个地块是统计和机器学习工具箱™。
如果您认为,与标准正常分布相比,您的标准化残留量多余的峰氏(蜂鸣声),可以考虑使用学生的T.创新分配。
在时间序列模型中,假设创新过程是不相关的。拟合模型后,您可以推断残留并检查它们是否有任何未拼接的自相关。
作为非正式检查,您可以绘制样本自相关函数(ACF)和部分自相关函数(PACF)。如果任何一个绘图在残差中显示出显着的自相关,则可以考虑修改模型以包括额外的自回归或移动平均值。
更正式地,您可以在残留系列上进行Ljung-Box Q-Test。这测试了联合零自相关的NULL假设,直到滞后M.,反对至少一个非零自相关的替代方案。您可以在几个值下进行测试M.。通常是Q-Test的自由度M.。但是,对于测试剩余系列,您应该使用自由度M.-P.-问:, 在哪里P.和问:是拟合模型中的AR和MA系数的数量。
白噪声创新过程具有恒定的方差。在拟合模型后,您可以推断残留并检查它们是否异源性(不合作方差)。
作为非正式检查,您可以绘制平方残留系列的样本ACF和PACF。如果任何一个图标显示出显着的自相关,则可以考虑修改模型以包括条件方差过程。
更正式地,您可以在剩余系列上进行恩格尔的拱门测试。这测试了与替代拱形模型的NO弓效应的零假设K.滞后。