使用xreg表明您有外部（外生）变量。在此，回归模型适合具有 ARIMA 误差的外部变量。

预测时，您需要提供这些外部变量的未来值。在实践中，这些通常是预测或可能是已知的。例如，如果您尝试预测销售额并且使用广告支出作为外部变量，您可能知道来年的广告支出。

auto.arima然后产生对长度的预测xreg，因此不予考虑h。

根据您在下面的评论，我提供了一个示例脚本，基于上面的销售示例演示了这一点。

library(forecast)

# Generate sample data
sales <- sample(100:170, 4*10, replace = TRUE)
advertising <- sample(50:70, 4*10, replace = TRUE)

# Create time series objects.
sales_ts <- ts(sales, frequency = 4, end = c(2017, 4))


fit <- auto.arima(sales_ts, xreg = advertising)

# If we pass external_regressor into the forecast, h will be disregarded and we will
# get a forecast for length(external_regressor)

wrong_forecast = forecast(fit, h = 4, xreg = advertising)

length(wrong_forecast) # Will be 40

# To forecast four quarters in advance, we must provide forecasted external regressor data
# for the upcoming four quarters, so that length(new_regressor) == 4.
# In reality, this data is either forecasted from another forecast, or is known. We'll randomly generate it.

upcoming_advertising <- sample(50:70, 4, replace = TRUE)

correct_forecast <- forecast(fit, xreg = upcoming_advertising)

length(correct_forecast$mean) # Will be 4

需要注意的关键事项是：

如果我们使用与生成预测时相同的回归量进行预测，h则将被忽略，并且将针对xreg您的情况生成 10 年的预测。

因此，我们必须提供xreg我们希望预测的时间长度的新数据——在您的情况下，为 4 个季度。