问题是您是否真的想将此视为时间序列问题。我这样说是因为可能没有明显/持久的自相关（意味着$y$取决于$y_{t-1}$）。

我的看法（不知道数据）是除了星级之外，每家酒店都有自己未观察到的“身份”（如位置、声誉等）。预订（以及价格）也可能高度依赖于时间。因此，您可以尝试使用固定效应模型。这个想法是你以如下方式建模：

在哪里$X$观察酒店特色，$Z$是酒店固定效应（即每家酒店一个指标/虚拟变量），$t$是时间（一年中的某天左右），并且$u$是误差项。

在模型解释方面，$X$是重要的（标准混杂因素），其中$Z$不是那么相关（在有限元回归中经常被忽略），因为$Z$只是“每家酒店一次拦截”。如果您对时间方面的建模感兴趣，那么巧妙的编码$t$是关键。在不知道数据的情况下，很难说出这如何解决。有两种通用选项，a）虚拟编码（每个时间步长一个虚拟/指标）或连续处理（日历日？），可能带有滞后成分（昨天的价格）。在后一种情况下，您将朝着动态面板的方向前进，这可能有点挑战性。

您可以先尝试 OLS，因为它在计算方面非常有效。为了获得更好的拟合效果，您还可以尝试提升，例如基于LightGBM. 这是一个促进回归的最小示例（但没有固定效应模型，只是一个正常的模型）。