Python 3.x Statsmodels-如何对线性滞后回归阶数大于1的多元SARIMAX建模
我正在使用SARIMAX耦合模型（statsmodels.tsa.statespace.SARIMAX.SARIMAX）对两个季节性时间序列之间的相关性进行建模。内生变量为y（t），外生变量为x（t）。我的目标是用x（t）作为预测因子来预测y（t） 我对SARIMAX的理解（p，d，q，r）∙（P，D，Q）s过程是将y（t）建模为x（t）的线性函数，误差项遵循SARIMA过程： y（t）=c+β1∙x（1，t）+β2∙x（2，t）+⋯+βr∙x（r，t）+ε（t）（参见链接中的完整方程式 对于上述问题，我有两个问题：（1）是否有可能对滞后回归顺序“r”进行建模，该顺序高于1？ （2） 一旦估计了SARIMAX模型方程，考虑到x（t）是未来的已知变量，哪种方法是预测y（t）作为x（t）函数的未来值的最佳方法？我看到了许多单变量SARIMA预测的例子，但没有看到多变量SARIMAX预测的例子。 非常感谢Python 3.x Statsmodels-如何对线性滞后回归阶数大于1的多元SARIMAX建模,python-3.x,time-series,statsmodels,Python 3.x,Time Series,Statsmodels,我正在使用SARIMAX耦合模型（statsmodels.tsa.statespace.SARIMAX.SARIMAX）对两个季节性时间序列之间的相关性进行建模。内生变量为y（t），外生变量为x（t）。我的目标是用x（t）作为预测因子来预测y（t） 我对SARIMAX的理解（p，d，q，r）∙（P，D，Q）s过程是将y（t）建模为x（t）的线性函数，误差项遵循SARIMA过程： y（t）=c+β1∙x（1，t）+β2∙x（2，t）+⋯+βr∙x（r，t）+ε（t）（参见链接中的完整方程式 对于