我如何解釋ARIMA的結果。我有一個差異系列，我實現了2個ARIMA模型ARIMA [2,1,0]和ARIMA [1,1,0]。哪一個更好，我也繪製了ACF和PACF，我認爲2,1,0應該是好的[ACF逐漸減小，PACF下降到2左右]。儘管我在繪製ACF和PACF之後也聽到過，但我們通常會嘗試一些或者循環以找到最好的。我們是否看到AIC/BIC進行比較或其他統計？ARIMA結果解釋
這裏是ARIMA [1,1,0]導致
這裏是ARIMA [2,1,0]導致 ARIMA 2,1,0
只要差項是相同（對於您的型號都是1），您可以使用AIC/BIC比較兩個型號。
AIC/BIC比較只能應用於相同大小的數據。因此，如果您有一個模型的差異項爲1，另一個模型爲2，則後者在建模之後將具有較少的數據點，並且可以給出較低的AIC/BIC而無需更好的模型。
如果您的數據允許您進行交叉驗證，那麼您可能需要先嚐試一下，然後才能得出哪個參數集適合您的arima模型的結論。
你可能想看看關於交叉驗證的討論，它給出了關於如何爲arima實現交叉驗證的簡單想法。 https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection
