Interpretieren der wichtigsten Ergebnisse für ARIMA

Um zu ermitteln, ob die Assoziation zwischen der Antwortvariablen und jedem Term im Modell statistisch signifikant ist, vergleichen Sie den p-Wert für den Term mit dem Signifikanzniveau, um die Nullhypothese auszuwerten. Die Nullhypothese besagt, dass der Term nicht signifikant von 0 abweicht, was darauf hinweist, dass zwischen dem Term und der Antwortvariablen keine Assoziation besteht. In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 bedeutet ein Risiko der Schlussfolgerung, dass der Term nicht signifikant von 0 abweicht, obwohl er tatsächlich signifikant von 0 abweicht, von 5 %.

p-Wert ≤ α: Der Term ist statistisch signifikant

Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist, können Sie schlussfolgern, dass der Koeffizient statistisch signifikant ist.

p-Wert > α: Der Term ist nicht statistisch signifikant

Wenn der p-Wert größer als das Signifikanzniveau ist, können Sie nicht schlussfolgern, dass der Koeffizient statistisch signifikant ist. Es empfiehlt sich möglicherweise, dass Modell ohne den Term erneut anzupassen.

Verwenden Sie die Ljung-Box-Chi-Quadrat-Statistiken und die Autokorrelationsfunktion der Residuen, um zu ermitteln, ob das Modell die Annahme erfüllt, dass die Residuen unabhängig sind. Wenn sich die Annahme nicht bestätigt, ist das Modell möglicherweise nicht an die Daten angepasst und Sie sollten beim Interpretieren der Ergebnisse vorsichtig sein.

Ljung-Box-Chi-Quadrat-Statistiken

Um zu ermitteln, ob die Residuen unabhängig sind, vergleichen Sie den p-Wert jeder Chi-Quadrat-Statistik mit dem Signifikanzniveau. In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Wenn der p-Wert größer als das Signifikanzniveau ist, können Sie schlussfolgern, dass die Residuen unabhängig sind und das Modell die Annahme erfüllt.

Autokorrelationsfunktion der Residuen

Wenn keine signifikanten Korrelationen vorhanden sind, können Sie schlussfolgern, dass die Residuen unabhängig sind. Es kann jedoch sein, dass Sie ein oder zwei signifikante Korrelationen bei Lags höherer Ordnung feststellen, bei denen es sich nicht um saisonale Lags handelt. Diese Korrelationen sind in der Regel auf zufällige Fehler zurückzuführen und kein Anzeichen dafür, dass die Annahme nicht zutrifft. Sie können in diesem Fall schlussfolgern, dass die Residuen unabhängig sind.