Отличительные термины, не отображаемые в статистических моделях Сводка SARIMAX

Statsmodels содержит SARIMAX для анализа сезонных временных рядов. При попытке реализовать метод меня смущает отсутствие терминов разности/интеграции, отображаемых в сводке. Например, это видно на примере в самой документации . Где мне найти коэффициент, соответствующий d-параметру? Я вижу только AR-коэффициент и MA-коэффициент.

Ниже пример того, что я имею в виду. Я ожидал чего-то, где я добавил ???

                                       SARIMAX Results                                       
=============================================================================================
Dep. Variable:                                 Value   No. Observations:                 1680
Model:             SARIMAX(2, 2, 2)x(1, 1, [1], 168)   Log Likelihood                3705.949
Date:                               Tue, 15 Dec 2020   AIC                          -7397.898
Time:                                       17:08:28   BIC                          -7361.500
Sample:                                            0   HQIC                         -7384.261
                                              - 1680                                         
Covariance Type:                                 opg                                         
==============================================================================
                 coef    std err          z      P>|z|      [0.025      0.975]
------------------------------------------------------------------------------
ar.L1         -0.6993      0.609     -1.149      0.251      -1.893       0.494
ar.L2          0.0913      0.058      1.570      0.116      -0.023       0.205
in.L1 = ???
in.L2 = ???
ma.L1         -0.1994      0.685     -0.291      0.771      -1.542       1.144
ma.L2         -0.8003      0.654     -1.224      0.221      -2.081       0.481
ar.S.L168     -0.1656      0.029     -5.779      0.000      -0.222      -0.109
in.S.L168 = ???
ma.S.L168     -0.6969      0.031    -22.498      0.000      -0.758      -0.636
sigma2         0.0002   6.32e-05      3.298      0.001    8.45e-05       0.000
===================================================================================
Ljung-Box (L1) (Q):                   0.05   Jarque-Bera (JB):                23.49
Prob(Q):                              0.82   Prob(JB):                         0.00
Heteroskedasticity (H):               0.87   Skew:                             0.09
Prob(H) (two-sided):                  0.13   Kurtosis:                         3.63
===================================================================================

Warnings:
[1] Covariance matrix calculated using the outer product of gradients (complex-step).
Backend GTK3Agg is interactive backend. Turning interactive mode on.

python python-3.x time-series statsmodels

15.12.2020 13:00

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

203

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Это часть модели, доступ к которой можно получить с помощью res.model, а затем либо order, либо seasonal_order.

import statsmodels.tsa.api as tsa
import numpy as np

gen = np.random.default_rng()

mod = tsa.SARIMAX(gen.standard_normal(1000),order=(2,1,1),seasonal_order=(1,1,1,12))
res = mod.fit()

print(res.model.order)
print(res.model.seasonal_order)

print(f"The differencing order (d) is {res.model.order[1]}")
print(f"The seasonal differencing order (D) is {res.model.seasonal_order[1]}")
print(f"The seasonal period {res.model.seasonal_order[-1]}")

который выводит

The differencing order (d) is 1
The seasonal differencing order (D) is 1
The seasonal period 12

Спасибо за Ваш ответ. Однако я ищу коэффициенты, присвоенные разным терминам. Я отредактировал свой вопрос для ясности.

— 17.12.2020 09:40

Я думаю, что суть проблемы может заключаться в моей неправильной интерпретации модели SARIMA. Спасибо за ваши усилия в любом случае

— 23.12.2020 16:57

Я думаю ты прав. d и D являются такими же параметрами, как ордера AR и MA, и не оцениваются. У них нет коэффициентов, которые оцениваются. Когда вы устанавливаете d или D на что-то большее нуля, вы фактически добавляете дополнительные условия AR с фиксированными параметрами 1 (как в (1-L) для несезонной разницы).

— 23.12.2020 20:08

16.12.2020 19:46