arimaモデルで説明変数も加えて予測する

問題発見と解決でやっている時系列モデルなんだけど、seasonal arimaモデルでの表現はどうにかなってきた。で、これからはモデルの当てはまりをよくしていくという段階*1。推定する値自体をごにょごにょしたりする*2ことも考えているのだが、seasonal arimaモデルに説明変数を加えたモデルで最終的なモデルを完成させたいと思っている。というか、これ以上いじれる知識を持ってない。

seasonal arimaモデルに説明変数を加えたモデルはマーケティング工学で触ったからモデルを作ること自体はできるのだが、予測値をどうやって出すかは知らなかった。どうやるのか困っていたのだが、google先生に聞いたところ速攻出てきた。google++。

fit <- arima(data, c(2, 0, 3), xreg = x )
predict(fit, n.ahead = 20, newxreg = new.x)

こんな感じにすればよいらしい。この辺参考にした。これを使えば説明変数をじゃがじゃが加えることができるようになる*3わけだが、適当に加えていいというわけではないよね？線形回帰モデルを作るときとかには多重共線性みたいなのに注意を払いながら、説明変数を加えるかを検討する。たぶん、このモデルでもそれに相当することが必要だ、と思う。さてはて、どうしたものかな？調整済み散布図みたいなの書いてみるかな。