即使时间序列是固定的并且在 Python 中没有季节性分量，auto_arima 也会返回最佳模型作为 SARIMAX答案

【问题标题】：auto_arima returning the best model as SARIMAX even when time series is stationary and has no seasonal component in Python即使时间序列是固定的并且在 Python 中没有季节性分量，auto_arima 也会返回最佳模型作为 SARIMAX
【发布时间】：2020-06-01 12:53:30
【问题描述】：

我有一个频率为每日的时间序列数据集。我已经使用增强的 dickey-fuller 测试检查了我的数据集是固定的。

之后，当我尝试使用以下方法确定 p、d、q 的值时：

from pmdarima import auto_arima
stepwise_fit = auto_arima(df2['Births'],start_p=0,max_p=6, start_q=0, max_q=3, seasonal=False,trace=True)

此外，我在 auto_arima 参数中提到了seasonal=False，但是当我这样做时：

stepwise_fit.summary()

它的回归：

SARIMAX Results
Dep. Variable:  y   No. Observations:   365
Model:  SARIMAX(1, 1, 1)    Log Likelihood  -1226.077
Date:   Mon, 17 Feb 2020    AIC 2460.154
Time:   20:02:17    BIC 2475.743
Sample: 0   HQIC    2466.350
- 365       
Covariance Type:    opg     
             coef   std err   z     P>|z|   [0.025  0.975]
intercept   0.0132  0.014   0.975   0.330   -0.013  0.040
ar.L1       0.1299  0.059   2.217   0.027   0.015   0.245
ma.L1      -0.9694  0.016   -62.235 0.000   -1.000  -0.939
sigma2      48.9989 3.432   14.279  0.000   42.273  55.725
Ljung-Box (Q):  36.69   Jarque-Bera (JB):   26.17
Prob(Q):        0.62    Prob(JB):   0.00
Heteroskedasticity (H): 0.97    Skew:   0.58
Prob(H) (two-sided):    0.85    Kurtosis:   3.62

我们可以看到，它的返回模型：SARIMAX(1, 1, 1)。我们能从中推断出什么？任何建议都是有帮助的，或者如果我遗漏了什么。

【问题讨论】：

标签： python time-series arima

【解决方案1】：

我找到了显示 SARIMAX(1, 1, 1) 的原因。它只是意味着 ARIMA 只是因为 SARIMAX 的格式基本上是 SARIMAX(p,d,q)(P,D,Q) 其中 P,D,Q 是季节性参数，所以在我们的例子中 SARIMAX(1,1 ,1)(0,0,0) 季节性分量仅为零。

【讨论】：