在我看来，您有每天的时间序列数据，您正在测量两个特征。我最初建议使用增强的 ARIMA 方法，结合记忆和可能的反映脉冲的虚拟指标。水平/阶跃变化和/或时间趋势。其次，在调查一些用户建议的解释变量的影响时，可以使用称为传递函数的 ARIMA 的多变量扩展将这两个系列额外关联起来。如果您希望发布显示这两个特征的主题之一的数据，我也许可以进一步提供帮助。您可以在 SE 中搜索 DAILY DATA 或 ARIMA，并了解有关时间序列分析的更多信息。模型预测始终可以转换为预期增长率。