如何在statsmodels中实现仅保留p=96与q=96非零系数的ARIMAX模型？

首先，咱们来拆解你遇到的错误：你把p=[96]和q=[96]直接放进order元组里，但statsmodels的ARIMA类中，order参数的三个元素要求是整数类型的(k_ar, d, k_ma)——其中k_ar是AR项的最大滞后阶数，k_ma是MA项的最大滞后阶数。当你传入列表时，代码里的sum(order)会尝试把列表和整数相加，自然就抛出TypeError了。

要实现「仅保留96阶AR和MA系数，其余滞后阶数系数为0」的需求，你需要用到ARIMA类的ar_lags和ma_lags参数，而不是把列表塞进order里。具体做法如下：

修正后的代码示例 #

from statsmodels.tsa.arima.model import ARIMA

# 最大滞后阶数设为96，然后指定只保留96阶的滞后项
d = 0
# order的第一个元素是最大AR阶数，第三个是最大MA阶数，都设为96
order_tuple = (96, d, 96)

for i in range(start, len(df_series) + 1 - 96):
    endog = df_series.iloc[0:i-1, :]['1']
    exog = df_series.iloc[0:i-1, :]['temp']
    # 用ar_lags和ma_lags指定仅估计96阶的系数，其余滞后项系数约束为0
    arimax_model = ARIMA(
        endog.values,
        exog=exog.values,
        order=order_tuple,
        ar_lags=[96],
        ma_lags=[96]
    )
    arimax_fit = arimax_model.fit()
    # 后续可以查看拟合结果，比如arimax_fit.params会只显示96阶的AR、MA系数和外生变量系数

原理说明 #

• order=(96,0,96)告诉模型，我们考虑的最大AR和MA滞后阶数都是96；
• ar_lags=[96]指定仅对96阶的AR滞后项估计系数，所有小于96阶的AR滞后项系数会被强制设为0；
• ma_lags=[96]同理，仅对96阶的MA滞后项估计系数，其余MA滞后项系数为0。

这样就完全符合你想要的约束条件了。另外，你提到pyflux不支持这种零约束设置，而statsmodels的这个方案是官方支持的，稳定性和可解释性都更好。

内容的提问来源于stack exchange，提问作者MxGr20