我认为您正在寻找Brandt 等人的模型。(2000)有称为 PEWMA，后有预测功能。适合它的 R 代码可在此处获得。

该论文还对可能的条件泊松 AR 模型进行了一些一般性讨论。除此之外， Cameron and Trivedi (1998)的第 7 章很有用。

您是否考虑过 N 和 E 之间的传递函数以及您的其他协变量，它可以编码参数随时间的变化、误差方差随时间的变化、任何必要的自回归结构可能代理未指定的季节性驱动因素和其他省略的结构，如电平变化、季节性脉冲和当地时间趋势。在不让“异常值”扭曲模型/参数的情况下完成。我在文献中看到了类似的方法，称为 DARIMA 模型，其中 D 代表离散。可能需要各种形式的幂变换（例如对数）来将期望值与误差的方差解耦（在需要时总是一个好主意！）这些类型的模型可用于检测 N 变化的可能影响，因为它与 E 的预测有关。