वास्तव में एक विशेषज्ञ नहीं है, लेकिन इस सवाल को कुछ समय के लिए अनुत्तरित किया गया है, इसलिए मैं एक उत्तर देने की कोशिश करूंगा: मैं GLM और टाइम श्रृंखला के मॉडल के बीच 3 अंतरों के बारे में सोच सकता हूं, एक बॉक्स और जेनकिन्स:
1) GLMs कुछ अन्य चर X (Y = f (X)) के फ़ंक्शन के रूप में Y को मॉडल करने के बजाय हैं। समय श्रृंखला के मॉडल में आप (अधिकतर?) स्वयं के कार्य के रूप में चर Y को मॉडलिंग करते हैं, लेकिन पिछली बार के चरणों (Y (t) = f (Y (t-1), Y (t-2), ...) से) );
2) पिछले बिंदु से संबंधित: GLMs इनपुट covariate के प्रति ऑटोकॉर्लेशन पर विचार नहीं करते हैं, जबकि ARIMA जैसे समय श्रृंखला मॉडल प्रकृति में स्वतः-सहसंबंधी हैं;
3) मुझे लगता है कि ऑटो-रिग्रेसिव मॉडल का आधार इस धारणा पर है कि रेसिड्यूल्स शून्य माध्य के साथ सामान्य हैं, जबकि GLMs प्रतिक्रिया चर के अधिक जटिल डेटा संरचना को स्वीकार करते हैं, संभवतः एक गैर-सामान्य वितरण (गामा, पॉइसन, आदि)।
क्या जीएलएम का उपयोग करते समय और समय श्रृंखला का उपयोग करने के लिए कोई नियम हैं? जब तक आप अपने मॉडल समय को एक यादृच्छिक प्रभाव के रूप में नहीं मान रहे हैं, मुझे लगता है कि जीएलएम मॉडल समय श्रृंखला के लिए गलत दृष्टिकोण हैं।