回答:
Box、Jenkins＆Reinsell（4th ed、2008）で説明されている古典的なアプローチでは、相互相関関数とさまざまな自己相関関数を調べ、さまざまな用語の次数と遅れについて多くの主観的な決定を行います。このアプローチは単一の予測子には問題なく機能しますが、複数の予測子にはあまり適していません。
Pankratz（1991）で説明されている別のアプローチでは、遅延回帰をARエラーでフィッティングし、フィッティングされた係数から適切な有理ラグ構造を決定します（これも比較的主観的なプロセスです）。次に、想定されたラグ構造でモデル全体を再フィッティングし、残差を抽出します。ARMAエラープロセスの順序は、これらの残差から決定されます（AICを使用するなど）。次に、最終的なモデルが再推定されます。このアプローチは、複数の予測子に対してうまく機能し、従来のアプローチよりも適用がかなり簡単です。
このきちんとした自動化された手順がすべてあなたのためにしたと言えるといいのですが、私にはできません。少なくともまだです。
元々、ホワイトニング前の相互相関を調べるというアイデアは、BoxとJenkinsによって提案されました。1981年に、LiuとHanssensは（L.-M. LiuとDM Hanssens（1982） "Identification of Multiple-Input Transfer Function Models。" Communications in Statistics A 11：297-314。）共通のフィルターを提案した論文を発表しました。ホワイトニング済みのシリーズが相互相関構造を示す複数の入力を効果的に処理するアプローチ。さらに、2つの入力モデルデータセットを作成して、ソリューションを実証しました。そのアプローチをプログラムし、それを繰り返し実装したBox-Jenkinsのプレホワイトニングアプローチと比較した後、PankratzアプローチまたはLiu-Hanssensアプローチのいずれも使用しないことを決定しました。Liu-Hansensテストを共有できてうれしいです。リストに投稿したい場合は、あなたと一緒にデータを送信してください。