时间序列-预测-经典算法：Arimax【带额外输入的自回归综合移动平均】【多元变量预测】【ARIMA模型的一个扩展版本】_arima模型适合多变量嘛

标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测。该模型假定一个变量的未来的值线性地取决于其过去的值，以及过去（随机）影响的值。ARIMAX模型是ARIMA模型的一个扩展版本。它还包括其他独立（预测）变量。该模型也被称为向量ARIMA或动态回归模型。

ARIMAX模型类似于多变量回归模型，但允许利用回归残差中可能存在的自相关来提高预测的准确性。 本文提供了一个进行ARIMAX模型预测的练习。还检查了回归系数的统计学意义。

这些练习使用了冰淇淋消费数据。该数据集包含以下变量。

• 冰淇淋消费（人均）
• 每周的平均家庭收入
• 冰淇淋的价格
• 平均温度。

观测数据的数量为30个。它们对应的是1951年3月18日至1953年7月11日这一时间段内的四周时间。

ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据 - 腾讯云开发者社区-腾讯云