模型评价

通常来讲，一个模型若是合适，

a、那模型的残差应该知足均值为0的正态分布，

b、而且对于任意滞后阶数，残差自相关系数都应该为零，换句话说，模型的残差应该知足独立正态分布（即残差间没有关联）

模型评价

> qqnorm(fit1$residuals)  # qqnorm绘制正态的Q-Q图，提供更为精确的正态假设检验法
> qqline(fit1$residuals)  #qqnorm和qqline绘制如图1
> Box.test(fit1$residuals,type="Ljung-Box")  #Box.test()可检验残差的自相关系数是否都为零

	Box-Ljung test

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

                                       图1 判断序列残差是否知足正态性假定的正态Q-Q图

a、若是数据知足正态分布，则数据中的点会落在图中的线上，显然，本例的结果仍是不错的

b、Box.test() 函数检验残差的自相关系数是否都为零，在本案例中，模型的残差 没有经过显著性检验，即咱们能够认为 残差的自相关系数为零，ARIMA模型能较好的拟合本数据