Arima()与glm()拟合含外生变量AR(1)模型结果差异原因及解决方法

核心原因解析 #

1. 拟合样本量不一致 #

• glm()中使用lag(df$x)会生成首项为NA的向量，函数自动丢弃包含NA的第一行观测，实际仅用99个样本（t=2到t=100）拟合。
• forecast::Arima()默认处理AR模型的初始条件（比如采用条件似然估计，将第一个观测的滞后项视为已知输入），因此会使用全部100个样本拟合。

2. 截距项的定义完全不同 #

forecast::Arima()的include.mean=TRUE参数，本质是对序列做中心化处理后拟合AR模型，其输出的intercept对应的是平稳序列的均值，而非你模型中的$\alpha_0$：

• Arima拟合的隐式模型为：$x_t - \mu = \alpha_1(x_{t-1} - \mu) + \beta_1 z_t + \epsilon_t$
• 展开后：$x_t = \mu(1-\alpha_1) + \alpha_1 x_{t-1} + \beta_1 z_t + \epsilon_t$
  这里的$\mu(1-\alpha_1)$才对应你模型中的$\alpha_0$，但Arima直接输出的intercept是$\mu$，和glm()直接拟合的$\alpha_0$不是同一个参数。

3. 外生变量的联合建模逻辑差异 #

Arima()会将外生变量与AR项结合，同时考虑时间序列的自相关结构；glm()仅把滞后项当作普通自变量处理，没有额外适配时间序列的特性，样本量和截距定义的差异进一步放大了结果差距。

解决办法：让两个模型结果对齐 #

方法1：统一拟合样本量 #

手动对齐两个模型的样本范围，确保都使用99个观测（和glm()默认逻辑一致）：

# 生成匹配样本：去掉第一行，和glm的拟合数据一致
df_matched <- df[-1, ]
df_matched$x_lag <- df$x[-nrow(df)]

# glm拟合
fit_glm_matched <- glm(x ~ x_lag + z, data = df_matched)

# Arima拟合相同样本
fit_arima_matched <- Arima(df_matched$x, order = c(1, 0, 0), include.mean = TRUE, xreg = df_matched$z)

此时对比两个模型的系数和标准误，会发现结果基本一致（差异仅来自MLE数值优化的细微差别）。

方法2：调整Arima的模型定义，匹配glm的截距形式 #

如果要让Arima直接输出你模型中的$\alpha_0$，可以关闭include.mean，将截距项作为外生变量加入xreg：

# 构造包含截距项的外生变量矩阵
xreg_mat <- cbind(intercept = rep(1, nrow(df)), z = df$z)

# 拟合不含均值的AR(1)，外生变量包含截距和z
fit_arima_exact <- Arima(df$x, order = c(1, 0, 0), include.mean = FALSE, xreg = xreg_mat)

# 对应的glm拟合（手动处理滞后项，使用全部有效样本）
df_full <- df %>% mutate(x_lag = lag(x)) %>% drop_na()
fit_glm_full <- glm(x ~ x_lag + z, data = df_full)

此时两个模型的拟合结果会高度一致。

内容的提问来源于stack exchange，提问作者Leonardo19