auto_arima将最佳模型作为SARIMAX返回，即使时间序列是平稳的

Question

我有一个频率为每天的时间序列数据集。我已经使用增强的dickey-fuller测试检查了我的数据集是平稳的。

之后，当我尝试使用以下命令确定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论证中提到了季节性=假，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）。我们可以从中推断出什么？任何建议都是有帮助的，或者如果我错过了一些东西。

Answer 1

我找到了它显示SARIMAX（1，1，1）的原因。它只是简单地意味着ARIMA，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。