ARIMA
概述 操作步骤 示例 数据 另请参见

统计 > 时间序列 > 综合自回归移动平均 (ARIMA)

使用 ARIMA 对时间序列的行为建模以及生成预测。ARIMA 将 Box-Jenkins ARIMA 模型与时间序列进行拟合。ARIMA 代表综合自回归移动平均，其中每个术语都表示构建模型直到只剩下随机噪声的过程中所采取的步骤。ARIMA 建模与其他时间序列方法有所不同，区别在于前者使用关联技术。ARIMA 可以用于对标绘数据中不明显的模式进行建模。此过程中使用的概念遵循 Box 和 Jenkins [2]。有关时间序列的基础介绍，请参见[3]、[10]。

有关创建 ARIMA 模型的信息，请参见输入 ARIMA 模型和 ARIMA 规范。

对话框项

序列：输入包含要拟合的时间序列响应变量的列。

拟合季节模型：选中此项将拟合季节性模型。

句点：指定完整周期的单位数。

自回归

非季节：输入自回归 (AR) 分量的阶数 (p)。

季节：如果有季节性模型，请输入季节性自回归分量 (P) 的阶数。

差分

非季节：输入用于忽略一段时间以来的趋势的差分次数 (d)。执行差分操作后，必须保留至少三个数据点。

季节：如果有季节模型，请输入季节分量的差分次数 (D)。

移动平均

非季节：输入移动平均 (MA) 分量的阶数 (q)。

季节：如果有季节模型，请输入季节性移动平均分量的阶数 (Q)。

模型中包括常量项：选中此项将在 ARIMA 模型中包括常量项。

系数的初始值：选中此项将指定初始参数值，然后输入包含这些值的列。必须以参数在输出中出现的顺序输入这些值：p（AR 值）、P（季节性 AR 值）、q（MA 值）、Q（季节性 MA 值），然后为（可选）常量。如果未指定初始参数值，则 Minitab 对除常量以外的参数使用 0.1。