statsmodels统计建模分析库（2） --时间序列模型

最新推荐文章于 2024-09-21 13:39:04 发布

song s

最新推荐文章于 2024-09-21 13:39:04 发布

阅读量1.4k

点赞数 1

分类专栏：数据分析文章标签： python

本文链接：https://blog.csdn.net/yhx_jmdx/article/details/106761276

版权

本文介绍了使用Python的statsmodels库进行时间序列分析，包括数据导入、差分、ADF检验、白噪声检验、ACF/PACF、信息准则定阶和ARIMA模型构建。内容涉及如何判断数据平稳性、构建ARMA和ARIMA模型，并通过D-W检验评估模型效果。

摘要由CSDN通过智能技术生成

导入数据

import pandas as pd
import numpy as np
import seaborn as sns #热力图
import itertools 
import datetime
import matplotlib.pyplot as plt
import statsmodels.api as sm 
from statsmodels.tsa.stattools import adfuller #ADF检验
from statsmodels.stats.diagnostic import acorr_ljungbox #白噪声检验
from statsmodels.graphics.tsaplots import plot_acf,plot_pacf #画图定阶
from statsmodels.tsa.arima_model import ARIMA #模型
from statsmodels.tsa.arima_model import ARMA #模型
from statsmodels.stats.stattools import durbin_watson #DW检验
from statsmodels.graphics.api import qqplot #qq图

dta = sm.datasets.sunspots.load_pandas().data  #statsmodels库中自带的数据集
dta.index = pd.Index(sm.tsa.datetools.dates_from_range('1700', '2008'))
del dta["YEAR"]
dta.plot(figsize=(12,8))<