После определения модели и оценки ее параметров рекомендуется выполнить проверку соответствия, чтобы диагностировать адекватность установленной модели. При оценке адекватности модели основными проблемными областями являются:
Нарушения предположений модели, потенциально приводящие к смещению и неточным стандартным ошибкам
Плохая прогностическая производительность
Отсутствуют пояснительные переменные
Проверки соответствия могут помочь определить области неадекватности модели. Они также могут предложить способы улучшения модели. Например, если вы проведете тест на остаточную автокорреляцию и получите значительный результат, вы сможете улучшить подгонку модели, добавив дополнительные условия авторегрессии или скользящего среднего.
Некоторые стратегии оценки благости соответствия:
Сравните модель с дополненной альтернативой. Проведите сравнение, например, проведя тест отношения правдоподобия. Тестирование модели на основе более сложной альтернативной модели - это способ оценки доказательств неадекватности. Тщательно продумайте выбор альтернативной модели.
Создание остаточных диагностических графиков является неофициальным, но полезным способом оценки нарушения предположений модели. Можно построить график остатков, чтобы проверить нормальность, остаточную автокорреляцию, остаточную гетероскедастичность и отсутствующие предикторы. Формальные тесты на автокорреляцию и гетероскедастичность также могут помочь количественно определить возможные нарушения модели.
Предиктивные проверки производительности. Разделите данные на две части: набор обучения и набор проверки. Подберите модель, используя только данные обучения, а затем спрогнозируйте подходящую модель на период проверки. Сравнивая прогнозы модели с истинными наблюдениями отсутствия, можно оценить прогностическую производительность модели. Среднеквадратическая ошибка прогнозирования (PMSE) может быть вычислена как численная сводка прогнозирующих характеристик. При выборе конкурирующих моделей можно просмотреть их соответствующие значения PMSE для сравнения прогностической производительности.