使用BSTS建模是否需平稳时间序列？含外生变量场景咨询

Hi Kathy, 很高兴能帮你解答这个问题！针对R语言bsts包处理非平稳序列的情况，我可以给你以下几个关键结论和建议：

• BSTS本身支持处理非平稳序列，无需预先差分
  bsts的核心优势之一就是通过结构时间序列组件直接建模序列的非平稳性，比如：

  • AddLocalLinearTrend()：可以捕捉带漂移的随机游走（典型的非平稳趋势）
  • AddSeasonal()：处理季节性导致的非平稳
    这些组件本质上就是为序列的趋势、季节性等非平稳特征设计的，不需要你预先对y做差分处理。

• 什么时候需要考虑差分？
  虽然大部分非平稳场景都能通过结构组件覆盖，但以下两种情况可以考虑差分：

  1. 序列存在强单位根非平稳（比如纯随机游走且无明显趋势变化），且结构组件拟合后残差仍有非平稳性时；
  2. 你的研究目标聚焦于序列的变化量（而非水平值），此时差分后建模的解释性更贴合需求。
     注意：如果对y差分，要根据外生变量的性质决定是否调整——若外生变量本身非平稳，也可能需要同步差分；若外生变量是平稳的，则保持原样即可。

• 实操示例（不差分建模）
  这里给你一个带外生变量和局部线性趋势的BSTS模型代码：

  # 加载包
  library(bsts)
  
  # 构建状态空间模型：加入局部线性趋势 + 外生变量
  state_spec <- AddLocalLinearTrend(list(), y = your_y_data)
  state_spec <- AddExogenousPredictors(state_spec, y = your_y_data, x = your_exogenous_vars)
  
  # 拟合模型
  bsts_model <- bsts(
    formula = your_y_data ~ .,
    state.specification = state_spec,
    niter = 1000,  # 迭代次数，可根据需求调整
    data = data.frame(y = your_y_data, your_exogenous_vars)
  )
  
  # 模型诊断：检查残差是否平稳
  plot(bsts_model, "residuals")
  

• 建议的建模流程

  1. 先尝试不差分，用合适的结构组件（趋势、季节性等）拟合模型；
  2. 通过残差图、预测效果评估模型是否能有效捕捉非平稳性；
  3. 如果模型表现不佳，再考虑差分后重新建模。

内容的提问来源于stack exchange，提问作者Chenying Gao