pmdarima版本不含statsmodels ARIMA类，无pdq的SARIMAX结果如何解读

先获取自动选优的(p,d,q)参数 #

不用从summary结果中手动查找参数，直接调用模型内置属性即可获取，示例代码如下：

# 先将模型结果赋值给变量，不要直接调用summary
model = auto_arima(df1['Births'], seasonal=False)
# 输出非季节性(p,d,q)阶数
print(model.order)

你提供的输出结果中没有AR、MA项的系数，说明auto_arima自动筛选的最优模型为ARIMA(0,0,0)带截距，对应model.order的输出结果是(0, 0, 0)。

现有输出结果解读 #

基础拟合信息 #

• 样本量：共120条有效观测数据
• 对数似然值：-409.745，数值越高代表模型拟合效果越好，多用于多模型横向对比
• 信息准则（数值越低代表模型拟合效果+精简度综合表现越好，是auto_arima选优的核心依据）：
  • AIC：823.489
  • BIC：829.064
  • HQIC：825.753
• 协方差类型：OPG（梯度外积法），警告栏的提示属于正常计算说明，不影响模型有效性。

系数显著性检验 #

所有参数p值均小于0.001，在99%置信水平下显著：

• 截距项：39.7833，代表序列的固定平均水平
• sigma2：54.1197，代表模型残差的方差

残差诊断（判断模型是否合格的核心指标） #

所有检验的p值均大于0.05，模型拟合完全合格：

• Ljung-Box Q检验：Prob(Q)=0.36，不能拒绝「残差无自相关」的原假设，说明序列的时序相关信息已经被完全提取
• Jarque-Bera正态性检验：Prob(JB)=0.26，不能拒绝「残差服从正态分布」的原假设，残差分布符合要求
• 异方差检验：双侧显著性0.48，不能拒绝「残差同方差」的原假设，不存在异方差问题
• 残差分布特征：偏度0.26、峰度2.48，均接近正态分布的0和3，进一步验证残差正态性。

内容的提问来源于stack exchange，提问作者Justin Terry Bingman