R中auto.arima拟合的ARIMA(1,0,0)带回归项模型预测差异问题

auto.arima拟合带协变量的ARIMAX模型时，采用的是回归-ARIMA结构：先通过截距和协变量拟合序列的均值部分，再对残差序列拟合ARIMA模型，而非你手动使用的“原始序列直接叠加AR项”形式。

具体模型结构拆解：

1. 定义残差序列：( n_t = y_t - \text{intercept} - \beta_1x1_t - \beta_2x2_t - \beta_3x3_t )
2. 残差服从ARIMA(1,0,0)：( n_t = \text{ar1} \times n_{t-1} + e_t )（( e_t )为白噪声，预测期期望为0）

因此，预测( y_{t+1} )的正确公式推导如下：
[
\hat{y}{t+1} = \text{intercept} + \beta_1x1{t+1} + \beta_2x2_{t+1} + \beta_3x3_{t+1} + \text{ar1} \times n_t
]
代入残差的定义展开后，得到可直接计算的形式：
[
\hat{y}{t+1} = \text{ar1} \times y_t + \text{intercept} \times (1 - \text{ar1}) + \beta_1(x1{t+1} - \text{ar1} \times x1_t) + \beta_2(x2_{t+1} - \text{ar1} \times x2_t) + \beta_3(x3_{t+1} - \text{ar1} \times x3_t)
]

验证代码示例 #

假设你有训练数据集train_data、测试数据集test_data，以及拟合好的模型model，可按以下代码手动计算并验证：

# 提取模型系数
coefs <- model$coef
intercept <- coefs["intercept"]
ar1 <- coefs["ar1"]
beta1 <- coefs["x1"]
beta2 <- coefs["x2"]
beta3 <- coefs["x3"]

# 获取训练集最后一个时间点的y和协变量值
y_prev <- tail(train_data$y, 1)
x1_prev <- tail(train_data$x1, 1)
x2_prev <- tail(train_data$x2, 1)
x3_prev <- tail(train_data$x3, 1)

# 获取测试集的协变量值
x1_new <- test_data$x1[1]
x2_new <- test_data$x2[1]
x3_new <- test_data$x3[1]

# 手动计算预测值
manual_pred <- ar1 * y_prev + intercept*(1 - ar1) + beta1*(x1_new - ar1*x1_prev) + beta2*(x2_new - ar1*x2_prev) + beta3*(x3_new - ar1*x3_prev)

# 对比模型预测值
model_pred <- predict(model, n.ahead=1, newxreg = test_data[,c("x1","x2","x3")])$pred

# 查看结果是否一致
print(manual_pred)
print(model_pred)

按此方式计算的手动预测值，会和predict函数输出的结果完全一致。

内容的提问来源于stack exchange，提问作者Ankur Lahiri