ARIMA (自己回帰和分移動平均)の主要な結果を解釈する

モデルにおける応答と各項の間の関係が統計的に有意かどうか判断するには、項と有意水準を比較して帰無仮説を評価します。帰無仮説は、項は0と有意に異なっていないというもので、これは、項と応答の間に関連性が存在しないことを意味します。通常は、有意水準（αまたはアルファとも呼ばれる）として0.05が適切です。有意水準が0.05の場合は、0と有意に異なっているのに、項が0から有意に異なっていないと結論付けるリスクが5%あることを示します。

p値 ≤ α: 項は統計的に有意です

p値が有意水準以下の場合、係数は統計的に有意であると結論付けることができます。

p値 > α: 項は統計的に有意ではありません

p値が有意水準より大きい場合、係数は統計的に有意であると結論付けることはできません。その項なしでモデルを再び当てはめることができます。

リュング-ボックスカイ二乗統計量および残差の自己相関関数を使用して、残差は独立しているという仮定をモデルが満たすかどうかを判断します。仮定を満たさない場合、そのモデルはデータに適合しない可能性があり、結果の解釈は慎重に行う必要があります。

リュング-ボックスカイ二乗統計量

残差が独立しているかどうかを判断するには、p値を各カイ二乗統計量の有意水準と比較します。通常は、有意水準（αまたはアルファとも呼ばれる）として0.05が適切です。p値が有意水準より大きい場合、残差は独立しており、モデルは仮定を満たすと結論付けることができます。

残差の自己相関関数

有意な相関が存在しない場合は、残差は独立していると結論付けることができます。ただし、季節の遅れではない次数の高い遅れにおいて、1つまたは2つの有意な相関が認められることがあります。これらの相関は、通常、ランダム誤差によって発生するものであり、仮定が満たされないことの証拠ではありません。この場合は、残差は独立していると結論付けることができます。