检查剩余的正常性

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：

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。

检查残差进行自相关

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。

检查条件异质型的残留物

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。