为选择分析选项使用最佳 ARIMA 模型进行预测

指定要用于选择最佳 ARIMA 模型的信息标准。

AICc 和 BIC 评估模型的似然，然后将用来添加项的惩罚应用于模型。惩罚会降低趋势，以使模型过度拟合样本数据。趋势降低可能会生成性能通常更佳的模型。

一般准则是，当参数个数相对于样本数量较小时，BIC 对于添加每个参数所施加的惩罚比 AICc 大。在这些情况下，最小化 BIC 的模型往往比最小化 AICc 的模型小。

当样本数量相对于模型中的参数个数较小时，AICc 的性能优于 AIC。AICc 的性能之所以更佳，是因为当模型中的参数太多时，如果样本数量相对较小，AIC 往往较小。通常，当样本数量相对于模型中的参数个数较大时，这两个统计量提供的结果相似。

在 置信水平中，输入预测的概率限值的置信水平。概率限制将预测值视为随机变量。

通常，95% 的置信水平效果很好。对于预测值的概率限制，95% 表示预测值落入限制定义的区间的概率为 0.95。

使用时间序列的 Box-Cox 变换来尝试使序列的方差保持平稳。平稳方差是 ARIMA 模型的要求。使用时间序列图可以确定时间序列的方差是否平稳。如果时间序列在点的展开中具有模式，则方差不是平稳的。