我有一些时间序列业务数据，我可以相对较好地与ARIMA(2,1,0)(1,1,0)[12]模型拟合（使用 R 的优秀forecast::Arima——感谢 Hyndman 教授！）。该系列主要受季节性影响，但也有趋势，因此存在差异。我不是预测专家。
我正在通过模拟某种干预的效果来探索未来的实验（功率分析之类的东西），这种干预可能会增加（或减少）系列中的值，可能是相乘的。为此，我将过去 N 个月的数字缩放 X%，并使用xreg参数将模型从差分 AR(1) 更改为具有时间序列误差的回归。我用作回归量的向量看起来像[0, 0, ..., 0, 1, 1, 1]，其中 1 代表干预有效的月份。
我从模型中得到的系数似乎是一个加法效应，这是有道理的，但比实际效应要小得多（4000 对 100,000）。但是，当我forecast在回归器中使用 , 带和不带 1 时，差异是预期的大小 - 如果有的话，太高了。
所以，我的问题：
- 我如何解释该系数。是添加剂吗？
- 在治疗有效的所有时间段内在回归向量中使用 1 是否正确，或者我应该将其视为抵消 ARIMA 模型中趋势的冲动，并使用类似的模式
0, 1, 0, 0, -1, 0？ - 还有什么建议吗？
这与这些问题有关，这些问题要么不回答我的问题，要么我不完全理解：
谢谢！