Python pmdarima auto_arima() 结果中包含哪些特定的异方差检验？

Question

我前段时间在CrossValidated上发布了这个问题，但还没有人能够回答它，所以我决定在这里发布它以防万一：

我正在使用来自 Python pmdarima库的auto_arima() function 来确定最佳 ARIMA model。

我的一个模型的结果是：

SARIMAX Results                                     
=========================================================================================
Dep. Variable:                                 y   No. Observations:                   96
Model:             SARIMAX(2, 1, 1)x(1, 1, 1, 4)   Log Likelihood                -205.932
Date:                           Mon, 27 Jun 2022   AIC                            423.863
Time:                                   15:29:13   BIC                            438.928
Sample:                                        0   HQIC                           429.941
                                            - 96                                         
Covariance Type:                             opg                                         
==============================================================================
                 coef    std err          z      P>|z|      [0.025      0.975]
------------------------------------------------------------------------------
ar.L1         -0.3863      0.167     -2.316      0.021      -0.713      -0.059
ar.L2          0.4234      0.071      5.957      0.000       0.284       0.563
ma.L1          0.4638      0.181      2.562      0.010       0.109       0.819
ar.S.L4        0.6404      0.176      3.644      0.000       0.296       0.985
ma.S.L4       -0.8840      0.139     -6.352      0.000      -1.157      -0.611
sigma2         5.3147      0.620      8.572      0.000       4.100       6.530
===================================================================================
Ljung-Box (L1) (Q):                   0.01   Jarque-Bera (JB):                82.63
Prob(Q):                              0.92   Prob(JB):                         0.00
Heteroskedasticity (H):               3.56   Skew:                            -1.23
Prob(H) (two-sided):                  0.00   Kurtosis:                         6.97
===================================================================================

Warnings:
[1] Covariance matrix calculated using the outer product of gradients (complex-step).

我在这里熟悉 Ljung-Box 和 Jarque-Bera 检验，并且知道如何解释异方差检验结果（零假设：同方差）。 但是，我不知道哪个具体测试是异方差性测试。

我没有在pmdarima网站上找到此信息。

关于 Python pmdarima auto_arima()结果中包含哪些特定异方差检验的任何想法？

谢谢！

Answer 1

我在搜索同一个问题时偶然发现了这个问题。

现在，我意识到这并不能回答您的具体问题 - 即summary()方法具体显示了哪个测试的结果 - 但在上面的例子中Prob(H) (two-sided)建议“白色测试”，并且值0 拒绝 Null 假设，即数据确实显示异方差。