从 checkresiduals 函数中提取 p 值

Question

我正在用 forecast 进行预测 package.Below 是我预测的结果。

#CODE 
library(forecast)
      DATA_SET<-data.frame(TEST=c(200,220,200,260,300,290,320,340,360,500,200,300,400,250,350,390,400,450,470,350,300,220,580,450,120,250,360,470)
                           )
      View(DATA_SET)

      # Making TS object
      TS_DATA_SET<-ts(DATA_SET,start=c(2010,1),frequency = 12)

      # Forecasting
      TS_FORECAST<-auto.arima(TS_DATA_SET)

所以现在我想从 checkresiduals 函数中提取 p 值到数据框中，

   #Checking residuals
   checkresiduals(TS_FORECAST, plot = FALSE)

##  Ljung-Box test
##
##   data:  Residuals from ARIMA(0,0,0) with non-zero mean
## Q* = 4.5113, df = 4.6, p-value = 0.4237
##
## Model df: 1.   Total lags used: 5.6

我正在尝试使用下面的代码，但我遇到了问题

p-value<-data.frame(checkresiduals(TS_FORECAST, plot = FALSE))
p_value
#data frame with 0 columns and 0 rows

那么谁能帮我如何从 checkresiduals 函数中提取 p 值（p 值 = 0.4237）到 data.frame 中？

Answer 1

Here可以看到里面的checkresiduals().

不幸的是，根据文档，它没有 return 值，因此您无法轻松提取所需内容。

但你可以做同样的计算（查看链接仓库中的第 125 行）：

Box.test(zoo::na.approx(TS_FORECAST$residuals), type = "Ljung")

在将输出分配给变量后，只需使用 $p.value 即可访问 p 值。

请注意，在我的快速示例中它有点不同，因为我使用了默认值：

# r$p.value
# [1] 0.3678976

Answer 2

编辑：

我下面的第一个方法是在 'checkresiduals()' 函数上实现的。现在函数 return 默认输出值。

旧答案：

不幸的是，函数 checkresiduals() 没有 return 值，只有 prints() 它们。您可以通过不带括号的 checkresiduals 来查看函数。或者你查看开发者的github

您可以通过在其中添加 return() 来重写该函数。我只是复制粘贴函数并将其插入到末尾：

 checkresiduals <- function(object, lag, df=NULL, test, plot=TRUE, ...) {
  showtest <- TRUE
  if (missing(test)) {
    if (is.element("lm", class(object))) {
      test <- "BG"
    } else {
      test <- "LB"
    }
    showtest <- TRUE
  }
  else if (test != FALSE) {
    test <- match.arg(test, c("LB", "BG"))
    showtest <- TRUE
  }
  else {
    showtest <- FALSE
  }

  # Extract residuals
  if (is.element("ts", class(object)) | is.element("numeric", class(object))) {
    residuals <- object
    object <- list(method = "Missing")
  }
  else {
    residuals <- residuals(object)
  }

  if (length(residuals) == 0L) {
    stop("No residuals found")
  }

  if ("ar" %in% class(object)) {
    method <- paste("AR(", object$order, ")", sep = "")
  } else if (!is.null(object$method)) {
    method <- object$method
  } else if ("HoltWinters" %in% class(object)) {
    method <- "HoltWinters"
  } else if ("StructTS" %in% class(object)) {
    method <- "StructTS"
  } else {
    method <- try(as.character(object), silent = TRUE)
    if ("try-error" %in% class(method)) {
      method <- "Missing"
    } else if (length(method) > 1 | base::nchar(method[1]) > 50) {
      method <- "Missing"
    }
  }
  if (method == "Missing") {
    main <- "Residuals"
  } else {
    main <- paste("Residuals from", method)
  }

  if (plot) {
    suppressWarnings(ggtsdisplay(residuals, plot.type = "histogram", main = main, ...))
  }

  # Check if we have the model
  if (is.element("forecast", class(object))) {
    object <- object$model
  }

  if (is.null(object) | !showtest) {
    return(invisible())
  }

  # Seasonality of data
  freq <- frequency(residuals)

  # Find model df
  if(grepl("STL \+ ", method)){
    warning("The fitted degrees of freedom is based on the model used for the seasonally adjusted data.")
  }
  df <- modeldf(object)

  if (missing(lag)) {
    lag <- ifelse(freq > 1, 2 * freq, 10)
    lag <- min(lag, round(length(residuals)/5))
    lag <- max(df+3, lag)
  }

  if (!is.null(df)) {
    if (test == "BG") {
      # Do Breusch-Godfrey test
      BGtest <- lmtest::bgtest(object, order = lag)
      BGtest$data.name <- main
      print(BGtest)
      return(BGtest)
    }
    else {
      # Do Ljung-Box test
      LBtest <- Box.test(zoo::na.approx(residuals), fitdf = df, lag = lag, type = "Ljung")
      LBtest$method <- "Ljung-Box test"
      LBtest$data.name <- main
      names(LBtest$statistic) <- "Q*"
      print(LBtest)
      cat(paste("Model df: ", df, ".   Total lags used: ", lag, "\n\n", sep = ""))
      return(LBtest)
    }
  }

}

您还需要 github file

中的 modeldf() 函数

modeldf <- function(object, ...){
  UseMethod("modeldf")
}

modeldf.Arima <- function(object, ...){
  length(object$coef)
}

通过此解决方案，您可以使用原始的 checkresiduals 函数。现在您可以使用以下方式调用 p.value：

res_values <- checkresiduals(TS_FORECAST, plot = TRUE)
res_values$p.value

您也可以自己使用 Ljung-Box 和 Breusch-Godfrey test 而忽略 checkresiduals() 函数，因为 checkresiduals() 就是这样做的。

我认为编辑 checkresiduals() 函数是一种更方便的方法，因此您可以像习惯一样使用它。您可以将它粘贴到您的代码中，它应该可以完成工作。只需确保在调用函数之前声明了 modeldf() 和 modeldf().Arima。它也可以测试功能。

选项 2 因为有可能：

您可以使用 capture.output()

捕获输出

capture.output(checkresiduals(TS_FORECAST, plot = FALSE))[5]

"Q* = 4.8322, df = 5, p-value = 0.4367"

使用 grep 命令应该可以在不更改函数的情况下提取 p 值。由于我不熟悉 grep，因此我无法就此任务提供正确的答案。

Answer 3

如果您特别需要一个数据框，现在 checkresiduals returns 一个对象（感谢 @mischva11），您可以使用 broom 中的 tidy 函数包将其转换为 data.frame（实际上 tibble，broom 是 tidyverse 的一部分，但这应该足够了）。

> library(broom)
> p_value <- tidy(checkresiduals(TS_FORECAST, plot = FALSE))

        Ljung-Box test

data:  Residuals from ARIMA(0,1,1)
Q* = 0.87319, df = 3, p-value = 0.8319

Model df: 1.   Total lags used: 4

> p_value
# A tibble: 1 x 4
  statistic p.value parameter method        
      <dbl>   <dbl>     <dbl> <chr>         
1     0.873   0.832         3 Ljung-Box test

不幸的是，输出仍然打印，如上所示，这可能是您不想要的。我发现避免这种情况的唯一方法是 invisible(capture.output()).

invisible(capture.output(p_value <- tidy(checkresiduals(TS_FORECAST, plot = FALSE))))

从 checkresiduals 函数中提取 p 值

Extract p-value from checkresiduals function

r

forecasting