时间序列ARIMA模型拟合遇阻：参数错误与绘图异常求助

1. 「unexpected parameter」报错处理 #

教程里的disp=-1参数是旧版statsmodels的用法，新版本已移除该参数。若需关闭拟合过程的日志输出，直接使用：

results_AR = model.fit()

若要精细控制输出，可改用verbose=False参数：

results_AR = model.fit(verbose=False)

2. 模型选择与绘图不符问题 #

你原本计划用AR模型（order=(2,1,0)），但实际代码写的是order=(0,1,2)——这是MA模型的参数，完全不符合需求，这是绘图偏差的核心原因。

另外，你已手动对Data_logScaled做一阶差分得到datasetLogDiffShifting，却又在ARIMA模型里设置了d=1（order的第二个值），相当于做了两次差分，导致拟合结果偏离预期。

修正方案二选一：

方案A：用模型自动处理差分（推荐）

保留原始对数变换数据，让ARIMA模型自动完成一阶差分，直接使用AR模型参数：

# 正确的AR模型参数 order=(p,d,q)=(2,1,0)
model = ARIMA(Data_logScaled, order=(2,1,0))
results_AR = model.fit()

# 生成差分序列并去掉空值，和模型拟合值对齐
datasetLogDiff = Data_logScaled - Data_logScaled.shift()
datasetLogDiff = datasetLogDiff.dropna()

# 提取模型拟合值并去掉空值
fitted_vals = results_AR.fittedvalues.dropna()

plt.plot(datasetLogDiff)
plt.plot(fitted_vals, color='red')
plt.title('RSS: %.4f'%sum((fitted_vals - datasetLogDiff['#Passengers'])**2))
print('Plotting AR model')

方案B：手动差分后用ARIMA(2,0,0)

若已手动做差分，需把模型的差分次数设为0：

# 手动差分后的数据先去掉空值
datasetLogDiffShifting = datasetLogDiffShifting.dropna()

# 使用AR模型参数 order=(2,0,0)
model = ARIMA(datasetLogDiffShifting, order=(2,0,0))
results_AR = model.fit()

plt.plot(datasetLogDiffShifting)
plt.plot(results_AR.fittedvalues, color='red')
plt.title('RSS: %.4f'%sum((results_AR.fittedvalues - datasetLogDiffShifting['#Passengers'])**2))
print('Plotting AR model')

关键要点总结 #

• ARIMA的order=(p,d,q)参数：p是自回归阶数，d是差分次数，q是移动平均阶数。AR模型对应q=0，MA模型对应p=0。
• 不要同时手动差分和设置模型的d>0，否则会重复差分导致数据失真。
• 差分后的数据会产生NaN值，必须用dropna()处理后再拟合和绘图，否则会出现对齐错误。

内容的提问来源于stack exchange，提问作者Baeg12121