Box, Jenkins & Reinsell (4th ed, 2008)中描述的经典方法涉及查看互相关函数和各种自相关函数，并对各种项的顺序和滞后做出许多主观决定。该方法适用于单个预测器，但并不真正适合多个预测器。

Pankratz (1991)中描述的另一种方法涉及用 AR 误差拟合滞后回归，并根据拟合系数确定适当的理性滞后结构（也是一个相对主观的过程）。然后用假设的滞后结构重新拟合整个模型并提取残差。ARMA 错误过程的顺序由这些残差确定（例如使用 AIC）。然后重新估计最终模型。这种方法适用于多个预测器，并且比经典方法应用起来要简单得多。

我希望我可以说有一个简洁的自动化程序可以为您完成这一切，但我不能。至少现在还没有。

最初，Box 和 Jenkins 提出了检查预白化互相关的想法。1981 年，Liu 和 Hanssens 发表了（L.-M. Liu 和 DM Hanssens (1982)。“Identification of Multiple-Input Transfer Function Models.” Communications in Statistics A 11: 297-314。）一篇建议使用通用滤波器的论文这种方法可以有效地处理多个输入，这些输入的预白化序列表现出互相关结构。他们甚至创建了一个 2 输入模型数据集来展示他们的解决方案。在我们对该方法进行编程，然后将其与我们迭代实现的 Box-Jenkins 预白化方法进行比较后，我们决定不使用 Pankratz 方法或 Liu-Hanssens 方法。我们很高兴分享 Liu-Hanssens 测试如果您希望我将数据发布到列表中，请与您联系。