你想弄懂什么？

ARIMA(p,d,q) 中的 $d$ 代表差分阶数，也称为积分分量。它表示为了实现平稳性而对原始序列进行差分的次数。

适用条件：模型表示为 ARIMA(p,d,q)。；$d$ 是一个非负整数。

ARIMA(p,d,q) 中的 $d$ 代表差分阶数，也称为积分分量。它表示为了实现平稳性而对原始序列进行差分的次数。

适用条件：模型表示为 ARIMA(p,d,q)。；$d$ 是一个非负整数。

如果一阶差分序列仍然不平稳，你会使用二阶差分。目标是选择能使序列平稳的最低差分阶数 $d$。

适用条件：原始序列是非平稳的。；一阶差分（$d=1$）没有产生平稳序列。；建模者可以检查差分图的平稳性。

如果一阶差分序列仍然不平稳，你会使用二阶差分。目标是选择能使序列平稳的最低差分阶数 $d$。

适用条件：原始序列是非平稳的。；一阶差分（$d=1$）没有产生平稳序列。；建模者可以检查差分图的平稳性。

ARIMA(1,1,1) 的方程是 $Z_t = \phi_1 Z_{t-1} + \theta_1 \epsilon_{t-1} + \epsilon_t$，其中 $Z_t$ 是差分序列，$\phi_1$ 是自回归系数，$\theta_1$ 是移动平均系数，$\epsilon_t$ 是误差项。

适用条件：模型是 ARIMA(1,1,1)。；$Z_t$ 是原始序列 $q_t$ 的一阶差分。；$p=1, d=1, q=1$。

ARIMA(1,1,1) 的方程是 $Z_t = \phi_1 Z_{t-1} + \theta_1 \epsilon_{t-1} + \epsilon_t$，其中 $Z_t$ 是差分序列，$\phi_1$ 是自回归系数，$\theta_1$ 是移动平均系数，$\epsilon_t$ 是误差项。

适用条件：模型是 ARIMA(1,1,1)。；$Z_t$ 是原始序列 $q_t$ 的一阶差分。；$p=1, d=1, q=1$。