予測のための一般化線形モデルとTimseriesモデル

自動関連性決定（ARD）やリッジ回帰などの一般化線形モデルと、Box-Jenkins（ARIMA）などの時系列モデルや予測のための指数平滑法の違いは何ですか？GLMをいつ使用し、時系列をいつ使用するかについての経験則はありますか？

本当に専門家ではありませんが、この質問にはしばらく回答がなかったので、答えを試してみます。GLMとタイムシリーズモデル、およびボックスとジェンキンスの3つの違いを考えることができます。

1）GLMは、変数Yを他のいくつかの変数Xの関数としてモデル化することです（Y = f（X））。時系列モデルでは、（ほとんど？）変数Yをそれ自体の関数としてモデル化していますが、前のタイムステップから（Y（t）= f（Y（t-1）、Y（t-2）、...） ）;

2）前のポイントに関連：GLMは入力共変量の自己相関自体を考慮しませんが、ARIMAのような時系列モデルは本質的に自己相関です。

3）自己回帰モデルは、残差が平均0で正規であるという仮定に基づいていると思いますが、GLMは、応答変数のより複雑なデータ構造を受け入れ、おそらく非正規分布（ガンマ、ポアソンなど）を持ちます。

GLMを使用する場合と時系列を使用する場合のルールはありますか？モデル時間をランダムな効果として考慮しているのでない限り、GLMはモデル時系列への間違ったアプローチにすぎないと思います。