>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} 的当前和过去实现以及 {y} 的过去实现。为此，我可以运行一个 VAR(p) 模型，包括 {x} 和 {y} 的p滞后。但是，我想假设 {x} 是外生的，所以我想最好运行 ARIMAX 模型，即具有一个或多个外生变量的 ARIMA 模型。
为了估计 R 中的 ARIMAX 模型，我可以使用包 TSA中的函数 arimax()(https://www.rdocumentation.org/packages/TSA/versions/1.01/topics/arimax) 或预测中的auto.arima() (https://www.rdocumentation.org/packages/forecast/versions/8.1/topics/auto.arima)，两者都允许包含外生变量(它由参数 xreg 指定)
然而，我想知道为什么无法定义外生变量的滞后？或者是否有任何(理论)原因导致我们不应该估计包括外生变量滞后的ARIMAX模型？我知道使用AutoregressiveD分配L ag模型是可能的，所以基本上是具有外生变量的AR模型。
我今天偶然遇到了同样的问题。我还没有尝试过我的想法，但我认为我们可以传递滞后外生级数，就好像它是模型中常见的外生变量一样。
例：
当你传递外源变量时，除了在时间t上传递外源变量外源变量外生变量外源变量，还可以在t-1、t-2等处传递外源变量。