使用ARIMA模型进行时间序列分析时，可以使用statsmodels库中的ARIMA函数。然而，ARIMA函数不会直接输出AICC（corrected Akaike information criterion）、BIC（Bayesian information criterion）或拟合值。

要获得AICC、BIC以及拟合值，可以通过以下步骤来解决：

1. 安装statsmodels库（如果尚未安装）：

pip install statsmodels

2. 导入所需的库：

import pandas as pd
import numpy as np
import statsmodels.api as sm

3. 准备时间序列数据：

# 示例数据
data = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

4. 创建ARIMA模型并进行拟合：

# 创建ARIMA模型
model = sm.tsa.ARIMA(data, order=(1, 0, 0))  # 示例中的order为(1, 0, 0)，可以根据实际情况进行修改

# 拟合ARIMA模型
results = model.fit()

5. 获取AICC和BIC值：

# 获取AICC和BIC值
aicc = results.aicc
bic = results.bic

print("AICC:", aicc)
print("BIC:", bic)

6. 获取拟合值：

# 获取拟合值
fitted_values = results.fittedvalues

print("Fitted Values:")
print(fitted_values)

请注意，上述代码示例中的时间序列数据是简化的示例数据，实际情况中可能需要进行更多的数据预处理和调参。

希望这个解决方法可以帮助到你！