下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。
假设要预测其中一个变量。比如，sparkling wine。如何建立一个模型来进行预测呢？
一种常见的方法是将该变量其视为单变量时间序列。这样就有很多方法可以用来模拟这些系列。比如 ARIMA、指数平滑或 Facebook 的 Prophet，还有自回归的机器学习方法也可以使用。
但是其他变量可能包含sparkling wine未来销售的重要线索。看看下面的相关矩阵。
可以看到sparkling wine的销量(第二排)与其他葡萄酒的销量有相当的相关性。所以在模型中包含这些变量可能是一个好主意。
本文将介绍可以通过一种称为自回归分布滞后(ARDL)的方法来做到这一点。
完整文章：
https://avoid.overfit.cn/post/ff41c484a5cc452cbf2caa3071d768c1
标签：变量,模型,sparkling,滞后,序列,回归,wine From： https://www.cnblogs.com/deephub/p/16921144.html