説明変数が複数ある時系列予測をするには？

Question

時系列の関連するデータ予測をしています。

時系列予測には、ARやMR、ARIMA、SARIMAなどさまざまなモデルがありますが、これらはすべて単変量の予測なのでしょうか？

説明変数の時間dsとそのy（目的変数の過去の値）をもとに、予測するしかないのでしょうか？

例えば、2018年の気温(y)を予測するとき、2016,2017年の気温以外に、同年の海水温度や晴れの日の数（実際に、気温に関係するかはわかりませんが）を説明変数として使うことはできないのでしょうか？

過去の値以外を説明変数に用いたいときがあると思うんですが、そうしたときはどのようなモデルを使うのでしょうか？重回帰分析ということになるのでしょうか？（しかし、重回帰分析では時系列をうまく扱えませんよね・・・？）

それとも、モデル選択の問題ではないのでしょうか？

質問内容に対する逆質問は歓迎します。回答よろしくお願いします。

Comments

[退会済みユーザー]

内容的にPythonよりもR言語タグの方が詳しい方が多そうな気がします（私はR言語の名前しか知りませんが...）。

Answer 1

自己回帰モデルの枠組みに外生変数を入れたい、ということでしょうか？
であれば"ARIMAX"や"同時方程式モデル"をキーワードに検索をかけてみましょう。

Answer 2

ARモデルをベクトルに拡張して多変量に対応したVARモデルというものがあります。
このあたりを試してみてはどうでしょうか
https://qiita.com/HirofumiYashima/items/36e2dce63026842a4020