问题描述
以下是一些玩具时间序列数据：
| 年 | Y | X |
|---|---|---|
| 2015 | 34000 | 54031 |
| 2016 | 40034 | 48095 |
| 2017 | 65344 | 78900 |
| 2018 | 48830 | 55233 |
| 2019 | 50701 | 61008 |
| 2020 | 79981 | 90033 |
| 2021 | - | 70000 |
| 2022 | - | 65000 |
| 2023 | - | 75000 |
| 2024 | - | 80000 |
| 2025 | - | 90000 |
我希望实现这样的规范： Yt = β0 + β1Yt-1 + β2 Xt+ ut
其中 ut = ρut-1 + εt（即 u 遵循 AR(1) 过程）
我试图预测 2020 年以后的 Y 值，假设 X 的未来值。关于如何在 Python 中实现这一点有什么建议吗？
下面的代码是我使用 statsmodels 包时的代码，现在我卡住了。任何帮助表示赞赏。
model=ARIMA(training['Y'],order=(1,0),exog=training[['Y_t-1','X']])
model_fit=model.fit()
model_fit.summary())
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）