带协变量的自回归模型 (ARX) 及其性质

带协变量的自回归模型 (ARX) 是一种常用的时间序列模型，它包含了自回归项和协变量项。其一般形式为：

$y_t = \beta_0 + \beta_1 y_{t-1} + \beta_2 y_{t-2} + ... + \beta_p y_{t-p} + x_t \gamma + \epsilon_t$

其中，$y_t$ 表示时间为 $t$ 的观测值，$x_t$ 表示与 $y_t$ 相关的协变量，$\beta_i$ 表示自回归系数，$\gamma$ 表示协变量系数，$\epsilon_t$ 为白噪声误差。

带协变量的自回归模型具有以下性质：

1. 可解释性：ARX 模型能够同时解释自变量和协变量对因变量的影响，从而更全面地分析时间序列数据。

2. 参数估计：ARX 模型的参数估计可以使用最小二乘法或极大似然估计等方法进行，同时也可以通过 ARIMA 模型的估计结果进行计算。

3. 模型诊断：ARX 模型的模型诊断包括残差检验、自相关函数和偏自相关函数的分析等方法，以判断模型是否合理。

4. 预测能力：ARX 模型能够对未来的时间序列进行预测，可以用于短期预测和长期预测。

5. 应用范围：ARX 模型广泛应用于经济、金融、气象、环境等领域的时间序列分析和预测。