我有一些问题向 [非统计学家] 人解释说，如果您使用新数据更新模型（添加新的实际值并将预测点向前移动），那么修改时间序列 (ARIMA) 模型的参数是很自然的。

我说：该模型根据系列中最近和较旧的值来预测系列的新值。如果我有新的数据点并希望从时间 t2 而不是点 t1 (t2 > t1) 进行预测，那么我必须使用 t1 和 t2 之间的数据更新模型，否则我实际上是从 t1 进行预测。这对于时间序列来说是很自然的。

他们说：您的模型系数已经改变了值，因此您开发了一个新模型。即使使用新数据，您也应该保持系数相同。

这次辩论的原因是我被指示不要建立一个新模型。在他们看来，我已经建立了一个新模型。在我看来，我没有。除了语义，我有三个主要问题：

(1) 我错了吗？我坦率地承认，该模型可能不再是“最佳”模型：它是最好的还是最合适的都不是问题。从根本上说，问题在于一个模型何时应该构成一个“新”模型。

(2) 有没有一种实用的、没有根本缺陷的方法来做他们要求的事情，即在不改变系数的情况下使用具有更新数据的时间序列模型？我能想到的唯一方法是：（a）仅从原始点进行预测，但在存在实际数据的情况下使用实际数据，以及（b）去掉 t1 和 t2 之间的时间，以便预测期从 t1 开始。（我应该指出，这在技术上是一个 ARIMAX 模型，因为我使用预测的宏观经济变量作为输入。）

（3）假设我没有错，是否有人有可能有助于向了解零统计的人解释时间序列的来源。