По сути, критерии AI C учитывают нахождение правильного баланса между сложностью и качеством посадки. Тогда критерий AICc - это корректировка критерия AI C для небольших выборок, см., Например, это сообщение .
В случае временных рядов параметр d учитывает количество различий, чтобы сделать данные стационарными, тогда как параметр D учитывает количество сезонных различий, применяемых к данным, для полного объяснения см. здесь .
Теперь, если ваши модели предоставляют вам разные значения параметра d для разных переменных регрессора. Вы можете определить, какой из них правильный, выполнив тест KPSS до тех пор, пока вы больше не откажетесь от нулевой гипотезы, см., Например, это сообщение .
Эта процедура автоматически выполняется через auto.arima из пакета forecast, просто не забудьте установить stepwise=False для поиска по всем возможным моделям ARIMA. Следуя критериям AI C, AI Cc или BI C, он выбирает лучшую модель в соответствии с моделью с наименьшим значением. В качестве альтернативы вы можете применить автоматический c выбор модели экспоненциального сглаживания с помощью функции ets, для объяснения этого см. здесь .
Наконец, у Роба Хайндмана есть отличный презентацию о различных алгоритмах прогнозирования в R, подробнее см. здесь .