Python statsmodels：拟合多个时间序列上的聚合SARIMAX

我有一组不同地点相同指标的时间序列，我正试图将一个SARIMAX模型与其总和（合计）进行拟合，以得到一个模型，该模型可以在每个站点的基础上进行预测（因为值将按比例降低）

然而，这是行不通的，模型预测站点级别的值非常高（好像它适合从聚合案例中截取）

我的代码中是否缺少某些内容

model=SARIMAX（data1，exog=data2，order=（1,1,2），季节顺序=（1,1,1,52））
model_fit=model.fit（disp=False）
打印（f“全局：{model_fit.summary（）}”）
对于站点中的站点：
#预测
newdfinner=df_site.loc[df_site.site==site，：].fillna（0）.重置_索引（drop=True）
exog2=newdfinner.loc[
newdfinner[“开始一周”]>=上周日[“exog1”，“exog2”]
].astype（“float64”）
yhat=模型拟合预测(
newdfinner[newdfinner[“开始一周”]==最后一个星期日]。索引[0]，
newdfinner.iloc[len（newdfinner）-1，：]。名称，
exog=exog2，
)

此外，根据所使用的训练范围（以及拟合方法），我还会收到一些警告，例如：

Warnings:
[1] Covariance matrix calculated using the outer product of gradients (complex-step).
[2] Covariance matrix is singular or near-singular, with condition number 1.19e+24. Standard errors may be unstable.

这些因素是否可能显著影响贴合度，如何缓解

另外，我如何测量误差项的正态分布

是否有任何汇总指标提供了这方面的衡量标准

Ljung-Box (Q):                        5.96   Jarque-Bera (JB):                 0.87
Prob(Q):                              0.31   Prob(JB):                         0.65
Heteroskedasticity (H):               1.20   Skew:                             0.66
Prob(H) (two-sided):                  0.91   Kurtosis:                         1.67