我如何解释ARIMA的结果。我有一个差异系列，我实现了2个ARIMA模型ARIMA [2,1,0]和ARIMA [1,1,0]。哪一个更好，我也绘制了ACF和PACF，我认为2,1,0应该是好的[ACF逐渐减小，PACF下降到2左右]。尽管我在绘制ACF和PACF之后也听到过，但我们通常会尝试一些或者循环以找到最好的。我们是否看到AIC/BIC进行比较或其他统计？ARIMA结果解释
这里是ARIMA [1,1,0]导致
这里是ARIMA [2,1,0]导致 ARIMA 2,1,0
只要差项是相同（对于您的型号都是1），您可以使用AIC/BIC比较两个型号。
AIC/BIC比较只能应用于相同大小的数据。因此，如果您有一个模型的差异项为1，另一个模型为2，则后者在建模之后将具有较少的数据点，并且可以给出较低的AIC/BIC而无需更好的模型。
如果您的数据允许您进行交叉验证，那么您可能需要先尝试一下，然后才能得出哪个参数集适合您的arima模型的结论。
你可能想看看关于交叉验证的讨论，它给出了关于如何为arima实现交叉验证的简单想法。 https://stats.stackexchange.com/questions/14099/using-k-fold-cross-validation-for-time-series-model-selection
