Rに複数の外生変数がある有馬時系列予測（auto.arima）

複数の外生変数を持つ複数の時系列ARIMAモデルに基づいて予測を実行したいと思います。私は統計もRIも維持したくないという点に関しては、十分なスキルを持っているわけではないので、可能な限り簡単です（3ヶ月のトレンド予測で十分です）。

1つの依存時系列と3〜5の予測時系列、すべて月間データ、ギャップなし、同じ時間「水平線」があります。

auto.arima関数に遭遇し、これが私の問題の適切な解決策であるかどうかを自問しました。私は異なる商品価格とそれらから作られた製品の価格を持っています。すべての生データは非定常ですが、1次差分によりすべて定常データになります。ADF、KPSSはこれを示します。（これは、統合のテストを行ったことを意味しますか？）

私の質問は次のとおりです：auto.arima関数でこれをどのように適用し、ARIMAはとにかく正しいアプローチですか？一部の人々はすでにVARを使用するようにアドバイスしてくれましたが、ARIMAでも可能ですか？

次の表は私のデータです。実際、データセットは105回の観測まで増加しますが、最初の50回は増加します。ここでは、トレンドと季節性が明らかに重要です。

アドバイスや助けをありがとう！ゲオルグ

外部の説明変数が原因である場合$y$であるが、その逆ではなく、お互いを引き起こさない場合、ARIMAは間違いなく適切です。VARは、異なる時系列がすべて互いに依存している場合に意味があります。

以下のためにauto.arima()外部の説明変数を操作するには、マトリックスにあなたの説明変数を集めるXあなたに送り、xregパラメータauto.arima()。（もちろん、モデリングXする時系列と同じ数の行yが必要です。）

予測を行うには、回帰変数の将来の値が必要になります。その後、この値をのxregパラメーターに再度入力しますforecast。

ヘルプページは?auto.arimaandです?forecast.Arima（大文字のAに注意してください-これはタイプミスではありません。質問しないでください...）。