如何使用statsmodels和Python在AR模型中获取常量项？

我正在尝试使用AR模型对我的时间序列数据建模

这是我正在使用的代码

# Compute AR-model (data is a python list of number)

model = AR(data)
result = model.fit()

plt.plot(data, 'b-', label='data')
plt.plot(range(result.k_ar, len(data)), result.fittedvalues, 'r-')
plt.show()

我已经成功地使用

result.k_ar

、参数

result.params

、ε项

result.sigma2

获得了p值。问题是我找不到一种方法来得到c（常数）项。下面是我用来比较结果的代码

# Plot

fit = []
for t in range(result.k_ar, len(data)):
    value = 0
    for i in range(1, result.k_ar+1):
        value += result.params[i-1] * data[t - i]
    fit.append(value)

plt.plot(data, 'b-', label='data')
plt.plot(range(result.k_ar, len(data)), fit, 'r-', label='fit')
plt.plot(range(result.k_ar, len(data)), result.fittedvalues, 'r-')
plt.show()

我的结果和来自

result.fittedvalues

的结果确认了我的证据，即模型中添加了一些常量项。谢谢

---

常数是参数中的第零个元素。例如，参数[0]

你的代码应该是

fit = []
for t in range(result.k_ar, len(data)):
    value = result.params[0]
    for i in range(2, result.k_ar + 2):
        value += result.params[i - 1] * data[t - i + 1]
    fit.append(value)

或者更简单，因为我们为您制作了滞后矩阵（fittedvalues就是这样做的）

另外，请注意，对于AR，这实际上是常数，而不是平均值。平均值由ARMA模型报告，该模型比普通AR模型更全面。（它有一个summary方法报告常量。AR也应该报告，但不报告。）

constant = mean(1 - arparams.sum())

---

根据公式，我应该将ε添加到结果中（

fit.append（value+result.sigma2

）？没有，但您可以使用sigma2获得预测不确定性的估计值。有一个PR可以将其放入AR中，但目前它仅在ARMA/ARIMA中可用。我尝试过使用ARMA，但仍然存在一些问题。您能帮我看看这个问题吗？

constant = mean(1 - arparams.sum())