模型評價

通常來講，一個模型若是合適，

a、那模型的殘差應該知足均值爲0的正態分佈，

b、而且對於任意滯後階數，殘差自相關係數都應該爲零，換句話說，模型的殘差應該知足獨立正態分佈（即殘差間沒有關聯）

模型評價

> qqnorm(fit1$residuals)  # qqnorm繪製正態的Q-Q圖，提供更爲精確的正態假設檢驗法
> qqline(fit1$residuals)  #qqnorm和qqline繪製如圖1
> Box.test(fit1$residuals,type="Ljung-Box")  #Box.test()可檢驗殘差的自相關係數是否都爲零

	Box-Ljung test

data:  fit1$residuals
X-squared = 1.3711, df = 1, p-value = 0.2416  #p>0.05，不顯著 接受H0

                                       圖1 判斷序列殘差是否知足正態性假定的正態Q-Q圖

a、若是數據知足正態分佈，則數據中的點會落在圖中的線上，顯然，本例的結果仍是不錯的

b、Box.test() 函數檢驗殘差的自相關係數是否都爲零，在本案例中，模型的殘差 沒有經過顯著性檢驗，即咱們能夠認爲 殘差的自相關係數爲零，ARIMA模型能較好的擬合本數據