在传递给 R 中 Arima() 的 xreg 参数之前，我们是否需要对外生变量进行差分？

我正在尝试在 R 中使用 ARIMAX 构建预测模型，并需要一些关于如何在 xreg 参数中处理协变量的指导。

据我了解，auto.arima 函数在拟合模型（来自训练期数据）时负责协变量的差异，并且我也不需要差异协变量来生成测试期（未来值）的预测。 然而，当使用 R 中的 Arima() 与自定义 (p, d, q) 和 (P, D, Q)[m] 值（d 或 D 大于 0）拟合模型时，我们是否需要手动对协变量？ 如果我进行差分，我会得到这样的问题：差分协变量矩阵的长度小于因变量的数据点的数量。

应该如何处理这个问题呢？

• 我应该按原样发送协变量矩阵吗？即没有差异？
• 我是否应该进行差分但忽略没有差分协变量数据的前几个观察结果？
• 我是否应该保留前几行的实际值，其中差异协变量值不可用，而其余行具有差异值？
• 如果我必须将标志变量 (1/0) 传递给 xreg 矩阵，我是否应该对这些变量进行差分，或者将标志变量的实际值与剩余变量的差分值进行绑定？

另外，在生成未来时期的预测时，如何传递协变量值（按原样或差分后）？

我正在使用以下代码：

ndiff <- ifelse(((pdq_order == "auto") || (PDQ_order == "auto")), ndiffs(ts_train_PowerTransformed), pdq_order[2])
nsdiff <- ifelse(((pdq_order == "auto") || (PDQ_order == "auto")), nsdiffs(ts_train_PowerTransformed), PDQ_order$order[2])

# Creating the appropriate covariates matrix after doing differencing

ifelse(nsdiff >= 1
      , ifelse(ndiff >= 1
                , xreg_differenced <- diff(diff(ts_CovariatesData_TrainingPeriod, lag =  PDQ_order$period, differences = nsdiff),  lag = 1, differences = ndiff)
                , xreg_differenced <- diff(ts_CovariatesData_TrainingPeriod , lag =  PDQ_order$period, differences = nsdiff)
                )
      , ifelse(ndiff >= 1
               , xreg_differenced <- diff( ts_CovariatesData,  lag = 1, differences = ndiff)
               , xreg_differenced <- ts_CovariatesData
 )

# Fitting the model
model_arimax <- Arima(ts_train_PowerTransformed, order = pdq_order, seasonal = PDQ_order, xreg = xreg_differenced)) 

# Generating Forecast for the test period
fit.test <- model_arimax %>% forecast(h=length(ts_test), 
                                              xreg = as.data.frame(diff(diff(ts_CovariatesData_TestPeriod, lag =  PDQ_order$period, differences = nsdiff),  lag = 1, differences = ndiff))

请建议。

Arima将按照顺序和季节性参数中指定的方式对响应变量和 xreg 变量进行差异。您永远不需要自己进行差异化。