正确解释statsmodels.tsa.ar_models.ar_选择顺序函数数组以确定最佳滞后

Question

使用statsmodels 0.12.0，我试图确定statsmodels.tsa.ar_models.AutoReg模型的最佳滞后。我使用的是美国人口数据，每个月有一个时间步长，并将最大延迟12传递给statsmodels.tsa.ar_models.ar_select_order对象进行评估

from statsmodels.tsa.ar_model import AutoReg, ar_select_order    
df = pd.read_csv('Data\uspopulation.csv', index_col='DATE', parse_dates=True)
df.index.freq = 'MS'
train_data = df.iloc[:84]
test_data = df.iloc[84:]
modelp = ar_select_order(train_data['PopEst'], maxlag=12)

上面的代码返回一个[ 1 2 3 4 5 6 7 8 9 10 11 12]的numpy数组，根据这个StackOverflow问题，我将其解释为“最优滞后p为12”：stackoverflow。然而，在评估一些指标（RMSE）时，我发现我的带有maxlag=12的AutoReg拟合模型的性能比低阶模型差。通过反复试验，我发现最佳滞后为8。因此，我在解释生成的numpy数组时遇到了困难，我一直在阅读关于statsmodels.com/ar_select_order和statsmodels.com/autoregressions的参考资料，但他们没有把它说得更清楚

这里有人有什么意见吗？对于这个python库来说是新的，感觉有点失落

Answer 1

The code above returns a numpy array of [ 1 2 3 4 5 6 7 8 9 10 11 12], which I am interpreting as "The optimal lag p is 12" as per this StackOverflow question: stackoverflow.

是的，没错。它返回数组而不仅仅是12的原因是，如果设置glob=True，它还可以搜索不包含所有滞后的模型。例如[ 1 2 3 12]可能是具有某种年度季节模式的月度模型的常见结果

However, evaluating on some metrics (RMSE) I find that my AutoReg fitted models with maxlag=12 are performing worse than lower order models. By trial and error I found that the optimal lag is 8. So I am having difficulty interpreting the resulting numpy array, I have been reading the resources on statsmodels.com/ar_select_order and statsmodels.com/autoregressions but they have not made it clearer.

此函数返回使用information criteria判断为最优的模型。特别是，默认值为BIC or Bayesian information criterion。如果您使用其他标准，例如最小化样本外RSME，那么肯定有可能发现不同的模型被判断为最优