假设我有两个时间序列 {x} 和 {y}，并且想要检查 {y} 的当前实现如何依赖于 {x} 的当前和过去实现以及 {y} 的过去实现。为此，我可以运行一个 VAR(p) 模型，包括{x} 和 {y} 的p滞后。但是，我想假设 {x} 是外生的，所以我想运行 ARIMAX 模型会更好，即具有一个或多个外生变量的 ARIMA 模型。
为了估计 R 中的 ARIMAX 模型，我可以使用包TSA或auto中的函数arimax() ( https://www.rdocumentation.org/packages/TSA/versions/1.01/topics/arimax )。来自预测的arima() ( https://www.rdocumentation.org/packages/forecast/versions/8.1/topics/auto.arima )都允许包含外生变量（它由参数 xreg 指定）
然而，我想知道为什么不能定义外生变量的滞后？或者是否有任何（理论上的）原因我们不应该估计包括外生变量滞后的 ARIMAX 模型？我知道使用A utregressive D分布的L ag 模型是可能的，因此基本上是具有外生变量的 AR 模型。