从理论的角度来看，VAR 不包括移动平均 (MA) 项，而是通过额外的自回归滞后来逼近任何现有的 MA 模式，这是一种比在 ARIMAX 模型中直接包含 MA 项更简洁的解决方案。另一方面，可以使用通常较快的 OLS 或 GLS 估计 VAR，而 ARIMAX 需要通常较慢的最大似然估计。

VAR 或 ARIMAX 是否能更好地表示应用程序中的底层过程是一个经验问题。您可以尝试同时安装两者并进行一些验证。例如，在您的样本中构建一个滚动窗口，在其中拟合一个 VAR 和一个 ARIMAX 模型，并提前预测一步。一路滚动窗口，从两个模型中收集一步超前的预测并比较它们的准确性。生成精度更高的模型是首选。

Rob J. Hyndman 在他的博客中对 ARIMAX 及相关机型做了简要说明：《The ARIMAX model mudle》，或许会有所帮助。