假设我有两个时间序列{x}和{y}，并且想要检查{y}的当前实现如何依赖于{x}的当前和过去的实现以及{y}的过去实现。为此，我可以运行VAR（p）-model，包括 p 滞后{x}和{y}。但是，我想假设{x}是外生的，所以我想最好运行ARIMAX模型，即带有一个或几个外生变量的ARIMA模型。
为了估算R中的ARIMAX模型，我可以使用 TSA 包中的函数 arimax（）（https://www.rdocumentation.org/packages/TSA/versions/1.01/topics/arimax）或<来自预测的em> auto.arima（）（https://www.rdocumentation.org/packages/forecast/versions/8.1/topics/auto.arima），它们都允许包含外生变量（用xreg参数指定）
我想知道为什么不可能定义外生变量的滞后？或者有没有（理论上）理由我们为什么不应该估计包含外生变量滞后的ARIMAX模型？我知道有可能使用 A 超强 D 分布 L ag模型，所以基本上是一个带有外生变量的AR模型。
答案 0 :(得分：1)
我今天偶然发现了同样的问题。我还没有尝试我的想法，但我认为我们可以通过滞后的外生序列，就好像它是模型中的常见外生变量。
示例：
当您传递外生变量时，您不仅可以在时间 t 传递外生变量，还可以在 t-1、t-2 等处传递外生变量。