時間序列
你能用兩個變數遞歸地預測一個變數嗎？
我的問題可能非常基本，但我無法找到我完全理解的遞歸預測的解釋。
我讀過一篇期刊文章，該文章似乎使用 AR(2) 過程遞歸地預測失業率，該過程由一個滯後一個時期的衰退深度變數增強。在我看來，如果模型不生成對其他變數的預測以包括在後續期間的預測中，那似乎是不可能的。
那麼遞歸預測是否為每個後續預測或預測值使用實際值？它只是對自動回歸變數執行此操作還是兩者兼而有之？對一個變數使用預測值，對另一個變數使用實際值，這是一種標準做法嗎？
我有一個經濟體中失業 (U) 和總貸款 (DL) 變化的季度數據。我想在 t-1 估計 U 加 DL 的 AR(2)。如何使用此模型進行樣本預測？我唯一的選擇是使用由單獨模型預測的 DL 預測值嗎？
如果可能有其他變數的實際值，例如讓我們說變數 $ y $ 總是由統計局提供，滯後 5 年，但對於第二個變數 $ x $ 這些值始終是最新的，您可以使用它們。
但是，如果您有兩者的數據 $ y $ 和 $ x $ 最新的，你想對明年和未來進行預測，你將不得不做輔助預測 $ x $ 也是。
當您進行一些樣本外評估並且想要對模型如何預測進行思想實驗時 $ y $ 條件是知道什麼是 $ x $ 那麼你可以這樣做，但這樣的評估並不能代表現實生活中未來的實際表現 $ y $ 和 $ x $ 是未知的。這是多元預測的最大缺點。
但是，您始終可以對 $ x $ . 假設有一個輔助 AR 模型 $ x $ 多變的。