在随时间变化的向量的回归拟合中$t$
$\qquad y \sim [x_t\ x_{t-1}\ x_{t-2}\ ...] \cdot [c_t\ c_{t-1}\ c_{t-2} \ ...]$，
如何减轻老年人的体重$x_t$建模“年龄较小的相关性”（比回归给出的）？
说数据矩阵中的行$X$是可观察的（股票、细分市场……），列是时间。纠正我， 加权最小二乘 加权行；一个重量列，时间如何？

补充：在时间序列中降低旧数据的权重看起来很复杂，比
行中具有 iid 误差的线性最小二乘法（观察）要复杂得多——只需除以$\sigma_i$; 或
列中存在 iid 错误的分类（例如特征）——只需将每列居中即可。
任何人都可以说

• 是的，我降低了时间序列的权重；这是网上的一些例子
• 否：向下加权时间序列很复杂，不适合新手。

（http://AndrewGelman.com/2005/06/21/timeseries_regr 10 年前讨论过这个问题，提到卡尔曼滤波器和分层贝叶斯，但没有例子。）