R 中的 ARIMA 函数是否区分 xreg 变量？
Does the ARIMA function in R differentiate the xreg variable?
我正在研究销售数据集的一些时间序列变量，并且对 R 中的 Arima 函数如何处理 Xreg 变量有疑问。
例如，我使用 ARIMA(1,1,0) 模型预测未来 12 个月的变量 x1，并使用变量 x2 作为解释变量。在分析 ACF 和 PACF 图并在 x1 上进行实验后，我发现 (1,1,0) 是合适的。那么 ARIMA 函数将如下所示：
model <- Arima(x1, xreg = x2, order = (1,1,0), lambda = "auto", biasadj = T)
然后我会使用 forecast(x1, h = 12, xreg = x2_est)
但是我想知道，是只取x1的一阶差值，还是连x2的一阶差值也取？如果不是自动的，我怎样才能让它在 Arima 函数中保持相等的 x1 和 x2 长度？
此外，它对 lambda 有什么作用？因为与单独计算 lambda 时相比，我得到了一个奇怪的 lambda 值
所有变量都差分。参见 https://otexts.com/fpp2/regarima.html
lambda 参数是应用于 x1 的 Box-Cox 变换参数。自动选择不是特别可靠。尝试不指定 lambda 并查看残差是否同方差。如果不是，请尝试使用 lambda 的不同值，看看是否有帮助。
求 X1 和 x2 的残差，因为它是平稳序列。 Y 取决于 X1 和 x2 =1+1=2。 Lambda是x2:y=X1+lamdax2的系数。假设该系列是白噪声系列，即； (neu,epsilon):(mean,zero), Y=(neu+x3+x4+x10+Xt-1) 其中 cov(Xj,Xt+j)=x3+x10+Xt-1 如果 Xj=1。残差自相关是 ARMA 过程的一部分。差分的解释变量 x2 是 neu-1=0，它是 AR(2) 的一部分，Xj 是 MA(1) 过程的一部分。 MA(1) 部分贡献或自动等于 X1。
我正在研究销售数据集的一些时间序列变量，并且对 R 中的 Arima 函数如何处理 Xreg 变量有疑问。
例如，我使用 ARIMA(1,1,0) 模型预测未来 12 个月的变量 x1，并使用变量 x2 作为解释变量。在分析 ACF 和 PACF 图并在 x1 上进行实验后，我发现 (1,1,0) 是合适的。那么 ARIMA 函数将如下所示：
model <- Arima(x1, xreg = x2, order = (1,1,0), lambda = "auto", biasadj = T)
然后我会使用 forecast(x1, h = 12, xreg = x2_est)
但是我想知道，是只取x1的一阶差值，还是连x2的一阶差值也取？如果不是自动的，我怎样才能让它在 Arima 函数中保持相等的 x1 和 x2 长度？
此外，它对 lambda 有什么作用？因为与单独计算 lambda 时相比，我得到了一个奇怪的 lambda 值
所有变量都差分。参见 https://otexts.com/fpp2/regarima.html
lambda参数是应用于x1的 Box-Cox 变换参数。自动选择不是特别可靠。尝试不指定lambda并查看残差是否同方差。如果不是，请尝试使用lambda的不同值，看看是否有帮助。
求 X1 和 x2 的残差，因为它是平稳序列。 Y 取决于 X1 和 x2 =1+1=2。 Lambda是x2:y=X1+lamdax2的系数。假设该系列是白噪声系列，即； (neu,epsilon):(mean,zero), Y=(neu+x3+x4+x10+Xt-1) 其中 cov(Xj,Xt+j)=x3+x10+Xt-1 如果 Xj=1。残差自相关是 ARMA 过程的一部分。差分的解释变量 x2 是 neu-1=0，它是 AR(2) 的一部分，Xj 是 MA(1) 过程的一部分。 MA(1) 部分贡献或自动等于 X1。