时间序列预测中，假设测试集有100组数据，但是model.fit().predict()的返回值是1个值。怎样返回不同的值？

如果测试集有100个时间步，但是模型只返回了一个值，则可能是因为模型中的参数没有正确设置。你可以将`typ`参数设置为`'levels'`，这将返回每个时间步长的预测值。

例如，假设你已经训练了一个ARIMA模型，然后想要对测试集进行预测，并返回每个时间步的预测值。可以按照以下步骤进行：

1. 使用ARIMA模型对训练集进行训练，即执行`model = ARIMA(train_data_arr, order=(0, 1, 1))`。

2. 对测试集进行预测，即执行`predictions = model.fit().predict(start=len(train_data_arr), end=len(train_data_arr)+len(test_data_arr)-1, typ='levels')`。

在这里，`typ='levels'`参数告诉模型返回所有时间步的预测值。

完整的代码如下所示：

import pandas as pd
from statsmodels.tsa.arima_model import ARIMA

# 训练集和测试集数据
train_data_arr = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
test_data_arr = [11, 12, 13, 14, 15]

# 使用ARIMA模型进行训练
model = ARIMA(train_data_arr, order=(0, 1, 1))

# 对测试集进行预测
predictions = model.fit().predict(start=len(train_data_arr), end=len(train_data_arr)+len(test_data_arr)-1, typ='levels')

# 输出每个时间步的预测值
for i in range(len(predictions)):
    print('Time Step {}: Predicted Value = {}'.format(i+1, predictions[i]))

在这个例子中，我们对测试集的每个时间步的预测值进行了打印输出。你可以根据自己的需求来修改代码，例如将预测值保存到一个DataFrame中，或者将其导出为Excel文件。