某企業的資料科學團隊利用ARIMA模型（AutoRegressive Integrated Moving Average Model）預測每週產品銷售量。模型建立完成後，分析人員發現預測誤差隨時間呈現週期性波動，且自相關函數（ACF）顯示殘差在多個時間滯（Lag）上仍顯著不為零。根據上述現象，最合理的模型診斷結論為何？
iPAS 考題解析
某企業的資料科學團隊利用ARIMA模型（AutoRegressive Integrated Moving Average Model）預測每週產品銷售量。模型建立完成後，分析人員發現預測誤差隨時間呈現週期性波動，且自相關函數（ACF）顯示殘差在多個時間滯（Lag）上仍顯著不為零。根據上述現象，最合理的模型診斷結論為何？
- A. 模型殘差符合白噪音（White Noise）假設，預測表現穩定
- B. 模型殘差雖有輕微異常，但可視為隨機誤差忽略不計
- C. 模型存在配適不足（Underfitting）問題，需重新調整p或q參數以捕捉時間依賴性 ✓ 正確答案
- D. 殘差特性不影響預測結果，無須進一步修正
詳細解析
若ARIMA殘差的ACF在多個lag上顯著不為零，表示殘差不是白噪音，模型未能充分捕捉資料中的自相關結構（配適不足），需要重新調整AR階數p或MA階數q，或考慮加入季節性成分（SARIMA）。
出題年份：114 難度：★★☆