ts(x) 中的错误：'ts' 对象必须具有一个或多个观察值

Question

当我使用 forecast 库进行预测时，我注意到以下代码没有按预期运行：

library(forecast)
library(dplyr)
df1 <- data.frame(gp=gl(20,5), dt=seq(1:100))

get <- function (df1){
  ts1 <- ts((df1%>%filter(gp==2))$dt)
  as.numeric(forecast(ar(ts1),15)$mean)
}    

print(get(df1))

错误return是：

Error in ts(x) : 'ts' object must have one or more observations

可能是ar或ar.burg函数引起的。因为如果您将函数更改为 ets 或其他函数，则该函数运行良好。

比较奇怪的是，如果把代码改成：

library(forecast)
library(dplyr)
df1 <- data.frame(gp=gl(20,5), dt=seq(1:100))
ts1 <- ts((df1%>%filter(gp==2))$dt)

get <- function (ts1){
  as.numeric(forecast(ar(ts1),15)$mean)
}


print(get(ts1))

代码也运行ning 正确。我认为这可能是 ar 函数中的一个错误，这个问题在某种程度上与范围有关。对此有什么想法吗？

Answer 1

问题与范围界定有关。 forecast() 尝试查找用于拟合模型的时间序列。 forecast 包中的函数（例如 ets）将此信息存储在模型对象中，因此 forecast() 很容易找到它。但是 ar() 来自 stats 包，它不存储用于拟合模型的时间序列。所以 forecast() 去寻找它。如果你运行你的代码在 get() 函数之外，它工作正常，因为 forecast() 设法在本地环境中找到 ts1 对象。但是在 get() 函数中它会导致错误。

一个简单的修复方法是在调用 forecast 之前将信息添加到拟合模型：

library(forecast)
library(dplyr)
df1 <- data.frame(gp=gl(20,5), dt=seq(1:100))
ts1 <- ts((df1%>%filter(gp==2))$dt)

get <- function (ts1){
  fit <- ar(ts1)
  fit$x <- ts1
  as.numeric(forecast(fit,15)$mean)
}

print(get(ts1))

或者，使用 predict 而不是 forecast：

library(dplyr)
df1 <- data.frame(gp=gl(20,5), dt=seq(1:100))
ts1 <- ts((df1%>%filter(gp==2))$dt)

get <- function (ts1){
  fit <- ar(ts1)
  as.numeric(predict(fit,n.ahead=15)$pred)
}

print(get(ts1))

ts(x) 中的错误：'ts' 对象必须具有一个或多个观察值

Error in ts(x) : 'ts' object must have one or more observations

r

forecasting

dplyr