假设我有一个时间序列数据，我想在 $x$ 和 $Time$ 上对 $y$ 进行回归。有关数据集，请参见下文。$y$ on $x$ and $Time$. See below for the dataset.

y   x   time
12  100 1
14  101 2
16  102 3
18  103 4
20  201 1
22  202 2
24  203 3
26  204 4

方法一：

一种方法是通过将时间视为序数 (?) 或连续变量，直接在上述数据集上执行多元线性回归或神经网络或 SVM。我可以按如下方式进行时间序列回归：

$$y = a+\beta_1x+\beta_2 time+\varepsilon$$

其中 $\varepsilon$ 被建模为 ARMA$\varepsilon$ is modeled as ARMA

方法二：

或者，我可以重新排列数据并为时间创建虚拟变量，如下所示：

y   x   Time_1  Time_2  Time_3
12  100 1   0   0
14  101 0   1   0
16  102 0   0   1
18  103 0   0   0
20  201 1   0   0
22  202 0   1   0
24  203 0   0   1
26  204 0   0   0

并进行时间序列回归/神经网络/SVM。例如，时间序列将是

$$y = a+\beta_1x+\beta_2 time_1+\beta_3 time_2+\beta_4 time_3+\varepsilon$$

其中 $\varepsilon$ 被建模为 ARMA。$\varepsilon$ is modeled as ARMA.

以下是我的问题：

1. 什么是正确的方法 - 1 或 2？
2. 如果我们使用诸如神经网络或 svm 之类的数据挖掘方法，我们使用方法 1 还是方法 2 是否重要？
3. 方法 1 是否更简洁，因为我们有 1 个表示时间的变量，而方法 2 有 3 个变量？