statsmodels ARIMA(2,0,0)模型截距异常及预测值不符问题咨询

核心问题1：样本内预测值与手动计算不一致 #

你手动计算时用错了模型公式，statsmodels中ARIMA(order=(2,0,0), trend='c')采用中心化AR模型参数化方式，而非传统直接带截距的AR模型：

• 模型形式：$y_t = \mu + \phi_1(y_{t-1} - \mu) + \phi_2(y_{t-2} - \mu) + \epsilon_t$
• 输出中看到的const是模型的长期均值$\mu$，不是传统AR模型里的截距项$c$

用你的数据代入正确公式计算$\hat{y}_2$：

mu = 14.06954533
phi1 = 0.88128907
phi2 = 0.11529613
y0 = 19.75569153
y1 = 18.71735656

y_hat2 = mu + phi1*(y1 - mu) + phi2*(y0 - mu)
# 计算结果≈18.831，与输出的18.82120122几乎一致，误差来自参数四舍五入

也可以用等价的传统AR模型形式计算，此时传统截距项$c = \mu(1 - \phi_1 - \phi_2)$：

c = mu*(1 - phi1 - phi2)  # ≈14.0695*0.003415≈0.0478
y_hat2 = c + phi1*y1 + phi2*y0  # ≈18.8208，同样匹配预测值

核心问题2：截距（const=14.0695）看起来过大 #

这个const不是传统意义上的截距，而是模型的长期均值$\mu$，它的大小由AR系数之和决定：

• 你的AR系数之和$\phi_1+\phi_2=0.8813+0.1153=0.9966$，非常接近1，说明序列接近单位根过程（ADF检验p值0.046，刚好在5%显著性水平边缘）
• 根据模型参数关系，$\mu = \frac{c}{1 - \phi_1 - \phi_2}$，由于分母$1-\phi_1-\phi_2≈0.0034$极小，即使传统截距$c$很小（约0.0478），$\mu$也会被放大到14左右

这是模型参数化的数学结果，并非异常，实际反映了序列接近非平稳时的均值估计特性。

额外验证 #

输出的第一个预测值14.06954533是t=0的预测——由于没有滞后观测值，模型直接用长期均值$\mu$作为预测；第二个预测值19.73374402是t=1的预测，用公式$\hat{y}_1 = \mu + \phi_1(y_0 - \mu)$计算，结果与输出一致（误差来自参数精度）。

内容的提问来源于stack exchange，提问作者James