广义线性模型与Timseries模型进行预测

使用广义线性模型（例如自动相关性确定（ARD）和Ridge回归）与时间序列模型（例如Box-Jenkins（ARIMA）或指数平滑）进行预测有什么区别？关于何时使用GLM和何时使用时间序列有任何经验法则吗？

并不是真正的专家，但是这个问题有一段时间没有得到解答，因此我将尝试回答：我可以想到GLM和时间序列模型（分别是Box和Jenkins）之间的3个差异：

1）GLM宁愿将变量Y建模为其他变量X（Y = f（X））的函数。在时间序列模型中，您（通常是？）将变量Y建模为其自身的函数，但是从先前的时间步长开始（Y（t）= f（Y（t-1），Y（t-2），...） ）;

2）与上一点有关：GLM本身不考虑输入协变量的自相关，而ARIMA之类的时间序列模型本质上是自相关的；

3）我认为自回归模型基于以下假设：残差是正态且均值为零，而GLM接受响应变量的更复杂的数据结构，可能具有非正态分布（Gamma，Poisson等）。

有什么规则何时使用GLM和何时使用时间序列？除非您将模型时间视为随机效应，否则我认为GLM只是模型时间序列建模的错误方法。