statsmodels.tsa.statespace.mlemodel.MLEResults.plot_diagnostics

MLEResults.plot_diagnostics(variable=0, lags=10, fig=None, figsize=None, truncate_endog_names=24, auto_ylims=False, bartlett_confint=False, acf_kwargs=None)[source]

一个内生变量的标准化残差的诊断图

Parameters:
variableint, optional

应为其创建诊断图的因变量索引。默认值为 0。

lagsint, optional

在自相关图中包含的滞后阶数。默认值是10。

figFigure, optional

如果指定，子图将在此图中创建，而不是在新图中创建。请注意，将使用fig.add_subplot()在提供的图中创建2x2网格。

figsizetuple, optional

如果创建了一个图形，此参数允许指定一个尺寸。 元组是 (宽度, 高度)。

auto_ylimsbool, optional

如果为真，自动调整y轴的限制以适应ACF值。

bartlett_confintbool, default True

ACF值的置信区间通常设置在r_k的2倍标准误差范围内。用于标准误差的公式取决于具体情况。如果自相关性用于作为ARIMA例程的一部分来测试残差的随机性，则假设残差是白噪声来确定标准误差。任何滞后的近似公式是每个r_k的标准误差=1/sqrt(N)。有关1/sqrt(N)结果的更多详细信息，请参见[1]的第9.4节。有关更基础的讨论，请参见[2]的第5.3.2节。 对于原始数据的ACF，滞后k处的标准误差被发现为如果正确的模型是MA(k-1)。这允许可能的解释是，如果所有超过某个滞后的自相关性都在限制范围内，则模型可能是由最后一个显著自相关性定义的MA阶数。在这种情况下，假设数据为移动平均模型，并且应使用Bartlett公式生成置信区间的标准误差。有关Bartlett公式结果的更多详细信息，请参见[1]的第7.2节。

acf_kwargsdict, optional

可选的关键字参数字典，这些参数直接传递给由 plot_acf() 生成的自相关图 Matplotlib 图。

Returns:
Figure

带有诊断图的图形实例

另请参阅

statsmodels.graphics.gofplots.qqplot
statsmodels.graphics.tsaplots.plot_acf

注释

生成一个2x2的图网格，包含以下图（从左上角顺时针排列）：

  1. 随时间变化的标准化残差

  2. 标准化残差的直方图加上估计的密度，以及用于参考的正态分布(0,1)密度图。

  3. 正态 Q-Q 图，带有正态参考线。

  4. 相关图

参考文献

[1] Brockwell 和 Davis, 1987. 时间序列理论与方法 [2] Brockwell 和 Davis, 2010. 时间序列与预测导论, 第2版.

Last update: Oct 16, 2024