内生变量的长度必须大于所使用的滞后数

Question

我最近正在阅读 Susan Li 撰写的关于 Python 时间序列分析的教程。我正在以下系列上拟合时间序列 SARIMAX 模型：

y['2017':]

OUT: 
Order Date
2017-01-01     397.602133
2017-02-01     528.179800
2017-03-01     544.672240
2017-04-01     453.297905
2017-05-01     678.302328
2017-06-01     826.460291
2017-07-01     562.524857
2017-08-01     857.881889
2017-09-01    1209.508583
2017-10-01     875.362728
2017-11-01    1277.817759
2017-12-01    1256.298672
Freq: MS, Name: Sales, dtype: float64

使用以下内容：

mod = sm.tsa.statespace.SARIMAX(y,
                                order=(1, 1, 1),
                                seasonal_order=(1, 1, 0, 12),
                                enforce_stationarity=False,
                                enforce_invertibility=False)

results = mod.fit()

print(results.summary().tables[1])

现在，直到这里为止效果都很好，但是当我尝试可视化结果时，我收到以下错误：

results.plot_diagnostics(figsize=(16, 8))

OUT: 
ValueError                                Traceback (most recent call last)
<ipython-input-16-6cfeaa52b7c1> in <module>
----> 1 results.plot_diagnostics(figsize=(16, 8))
      2 plt.show()

~/opt/anaconda3/lib/python3.8/site-packages/statsmodels/tsa/statespace/mlemodel.py in plot_diagnostics(self, variable, lags, fig, figsize, truncate_endog_names)
   4282 
   4283         if resid.shape[0] < max(d, lags):
-> 4284             raise ValueError(
   4285                 "Length of endogenous variable must be larger the the number "
   4286                 "of lags used in the model and the number of observations "

ValueError: Length of endogenous variable must be larger the the number of lags used in the model and the number of observations burned in the log-likelihood calculation.

<Figure size 1152x576 with 0 Axes>

有谁知道如何解决这个问题，如果它是某种库错误，并且如果无法直接修复，那么我怎样才能获得所有诊断图？

Answer 1

在定义模型时，删除参数（enforce_stationarity = False），它应该可以正常工作！

Answer 2

对于新人来说，山塔努的意思是 - 而不是这个 -

mod = sm.tsa.statespace.SARIMAX(y,
                            enter code hereorder=(1, 1, 1),
                            seasonal_order=(1, 1, 0, 12),
                            enforce_stationarity=False,
                            enforce_invertibility=False)

你可以写-enforce_stationarity=False， -这被删除，你也可以评论它-#enforce_stationarity=False，

mod = sm.tsa.statespace.SARIMAX(y, order=(1, 1, 1),
                            seasonal_order=(1, 1, 0, 12),
                            enforce_invertibility=False)

Answer 3

要解决 ARIMA 模型中的此错误，出于某种原因，更改图形大小将解决您的问题。就像我在下面所做的那样：

结果.plot_diagnostics(figsize=(15, 12)) plt.show()