传递exog值时，ARMAX模型预测会导致“ ValueError：矩阵未对齐”

Question

我正在努力使用ARMAX模型预测样本值。

拟合模型效果很好。

armax_mod31 = sm.tsa.ARMA(endog = sales, order = (3,1), exog = media).fit()
armax_mod31.fittedvalues

就我所拥有的模型而言，在没有外生值的情况下进行预测也很好。

arma_mod31 = sm.tsa.ARMA(sales, (3,1)).fit()
all_arma = arma_mod31.forecast(steps = 14, alpha = 0.05)
forecast_arma = Series(res_arma[0], index = pd.date_range(start = "2013-08-21", periods = 14)) 
ci_arma = DataFrame(res_arma[2], columns = ["lower", "upper"])

但是，一旦我要从样本值中进行预测，就会遇到问题。

all_armax = armax_mod31.forecast(steps = 14, alpha = 0.05, exog = media_out)

导致“ ValueError：矩阵未对齐”。

我的第一个想法是* media_out *的长度不合适。 我检查了几次，并尝试通过其他系列作为exog。 exog的长度与步骤数相同。 我尝试了一个时间序列，也只尝试了* media_out.values *。

检查了文档：

"exog : array
If the model is an ARMAX, you must provide out of sample
values for the exogenous variables. This should not include
the constant."

据我了解，这就是我的工作。 有什么想法我做错了吗？ 另外，我在网上寻找解决方案时发现了这个ipython笔记本http://nbviewer.ipython.org/cb6e9b476a41586958b5 。 在[53]中：您可以看到类似的错误。 作者的评论暗示了样本外预测的一个普遍问题，对吗？

我正在运行python 2.7.3，pandas 0.12.0-1和statsmodels 0.5.0-1。

Answer 1

嗯，我明白了。 您还需要传递过去的数据。 例如，如果要预测ARMAX（2，q）模型的12个步骤，则exog的长度应为14。您需要两个额外的滞后才能预测1个步骤。 因此，如果您确保exog为2d，这应该可以正常工作。

无论如何我都看不到，但是如果您认为有什么需要改进的地方，请告诉我。 现在，我将在文档中将其记录下来。

[ 编辑 ：我意识到这个要求很愚蠢。 使用ARMA预测https://github.com/statsmodels/statsmodels/pull/1124时，您不再需要提供任何样本变量。 ]