ARIMAX诉ARX时间序列建模

Question

我需要建立一个带有解释变量的时间序列模型，根据我对相关工作的调查，ARIMAX似乎是实践中最频繁出现的模型。

我知道ARX解决了一个类似的问题，但我很难将我的数据的ARX表示与ARIMAX方法相比的实际差异放在心上。

我知道ARX缺少移动平均值组件，但我很好奇是否有人能指出一些最佳实践来选择一种方法而不是另一种方法。

在我的数据中是否有某些特征，我应该寻找作出一个明智的决定？

Answer 1

是的，有一些特点。您可以使用相关图来通知您数据中的错误结构。这将告诉您您的数据是否需要考虑AR和/或MA条款。还检查单元根，以告诉您是否需要更改时间序列。

这个链接很好地介绍了分析AR(1)过程模式的相关图。它是由一个下降或振荡，但不断下降的价值。这取决于你是有正的还是负的自相关。

MA(1)工艺的ACF如下。它的特征是一个显着值，然后是非显着振荡值。

要判断您是否需要进行差异，您应该使用类似于增广dickey-fuller测试的测试来检查单元根(即，您的数据是集成的)。