如何在 statsmodel 中将多个外生变量输入到 SARIMAX 模型中？

Question

在 statsmodels 中，对于 SARIMAX 或 ARIMA 模型，我想使用多个额外的外部变量（外生变量）。例如。我想使用滞后 3 的 AR 预测产量时间序列和滞后 4 的 AR 与天气温度时间序列和另一个市场价格变量的滞后 3 的 AR 来预测时间 t 的产量。这似乎不可能？关于如何做到这一点的任何示例或解释？

Answer 1

首先，您必须将外生输入定义为具有维度 nobsxk 的数组类型结构，其中 nobs 是数字您的内生观察值（即假设您有一个时间序列，时间序列的长度）和 k 您的附加外生变量的数量。假设您为此目的使用 ndarray，您可能会从类似的东西开始

exog = np.empty([nobs, k])

然后用你的外生变量的值填充它。然后，按照以下示例定义模型：

model = sm.tsa.SARIMAX(endog=series, exog=exog, order=order, seasonal_order=seasonal_order).fit(start_params=[0, 0, 0, 0, 0, 1])

其中 series 是您的原始时间序列，exog 是外生输入，order 是 (p,d,q) 元组和 seasonal_order 一个 (P,D,Q,s) 元组。您应该注意 start_params 列表，我认为这对于在我的案例中成功构建 sarimax 模型至关重要。

当我没有使用任何外生输入时，start_params 列表是 start_params = [0, 0, 0, 1] for (p,d,q) = (1,0,0) 和 (P,D,Q,s) = (1,0,0,37)。

当我添加 3 个新的外部输入时，我将 start_params 列表设置为 start_params = [0, 0, 0, 0, 1, 1]，如果您注意到它还有 2 个附加元素。 p>

我想（我不确定也没有彻底检查过）如果你在你的模型中添加 k 个外生输入，你必须添加 k - 1 个额外的元素在您的 start_params 列表中，以便成功构建 sarimax 模型。

希望对您有所帮助。干杯。