La relación entre series temporales de regresión múltiple y series temporales multivariadas
Las series de tiempo multifactoriales generalmente se refieren al problema de considerar los términos de rezago de múltiples variables exógenas y endógenas al mismo tiempo.
ARIMA es uno de los métodos utilizados para la regresión y el método más común.
¿Modelo ARIMA? /view/841 fcb 8583d 049649 b 66580 b html, aquí hay material didáctico, pero puede resultar difícil de entender si no está expuesto al conocimiento de series temporales.
Modelo ARIMA: Media móvil integrada autorregresiva. El paso principal es utilizar varios métodos de prueba (como el uso de la función de autocorrelación ACF y la función de autocorrelación parcial PACF para analizar el seguimiento y el truncamiento o el uso de DF para probar la relación de cointegración) para determinar el número apropiado de variables rezagadas y términos de perturbación rezagados, de modo que para obtener el mejor efecto de retorno óptimo. Luego ajuste los datos según la cantidad de variables y realice cálculos de regresión.
Por supuesto, el modelo ARIMA no se puede calcular manualmente a menos que se simplifique a un modelo ARMA (sin considerar tanto las variables rezagadas como los términos de perturbación). Si quieres aplicar cálculos, puedes utilizar SPSS para resolverlo. Este software no requiere conocimientos de programación.
Aún no entiendo una o dos frases. Se recomienda consultar un libro y será fácil de entender si observa los ejemplos del libro. Recomiendo "Econometría aplicada: análisis de series temporales" de Enders, no es mucha tontería.