r - 使用 predict() 函数时出错

Question

我应该转换 ar.ols 的输出吗？是某种类型的 predict能接受吗？

y=rnorm(100, 0,1)
z=rnorm(100, 0,1)
yz=cbind(y,z)
> output = ar.ols(yz, aic = F, order.max = 2, demean = F, intercept = T)    
> predict(output, n.ahead = 2, se.fit = F)

x=as.data.frame(yz) # x is a data frame, and otherwise same as yz. 
> output = ar.ols(x, aic = F, order.max = 2, demean = F, intercept = T)    
> predict(output, n.ahead = 2, se.fit = F)
Error in array(STATS, dims[perm]) : 'dims' cannot be of length 0

谢谢!

Answer 1

所以错误来自 predict.ar .如果您将运行 ?predict你会看到它是一个通用函数，它“调用依赖于第一个参数的类的特定方法”

所以

class(output)
[1] "ar"

和

methods(predict)
#  [1] predict.ar*                predict.Arima*             predict.arima0*            predict.glm                predict.HoltWinters*      
#  [6] predict.lm                 predict.loess*             predict.mlm*               predict.nls*               predict.poly*             
# [11] predict.ppr*               predict.prcomp*            predict.princomp*          predict.smooth.spline*     predict.smooth.spline.fit*
# [16] predict.StructTS*

#    Non-visible functions are asterisked       

告诉你我们正在寻找第一种方法

下一次尝试是在该方法中查找错误消息。之前的操作通知我们predict.ar是不可见的函数，所以我们需要结合getAnywhere和 capture.output和一些正则表达式函数以查找错误消息，但不幸的是这不起作用

grep("array", capture.output(getAnywhere("predict.ar")))
## integer(0)

这意味着错误来自在 predict.ar 内运行的其他函数。 .

(正如@hadley 提到的)我们需要使用 traceback()为了确定导致它的内部功能

predict(output, n.ahead = 2, se.fit = F)
# Error in array(STATS, dims[perm]) : 'dims' cannot be of length 0
traceback()
# 6: array(STATS, dims[perm])
# 5: aperm(array(STATS, dims[perm]), order(perm))
# 4: sweep(newdata, 2L, object$x.mean, check.margin = FALSE)
# 3: rbind(sweep(newdata, 2L, object$x.mean, check.margin = FALSE), 
#          matrix(rep.int(0, nser), n.ahead, nser, byrow = TRUE))
# 2: predict.ar(output, n.ahead = 2, se.fit = F)
# 1: predict(output, n.ahead = 2, se.fit = F)

这很好地向我们展示了函数调用的工作流程:
调用 predict -> 识别对象的类并调用对应的方法predict.ar -> rbind预先分配的矩阵(大小为 ncol(x) * n.ahead )使用 sweep 以均值为中心的数据-> 在对数据进行均值中心化时(使用 sweep )，转置一些 array并创建一个新的 array而最后一个操作返回错误。

所以基本上都是sweep函数是减去 yz 的平均值来自 yz (均值居中 - 可以通过运行 scale(yz, scale = FALSE) 来完成，所以不确定为什么他们首先使用 sweep。也许是 dmean = FALSE 特殊情况？)。在您的情况下，您指定了 dmean = FALSE所以它从两列中删除零(这是非常不必要的操作，在这种情况下可能应该避免)。相比

all.equal(t(t(yz) - colMeans(yz)), sweep(yz, 2L, colMeans(yz)))
## [1] TRUE

唯一的问题是sweep对数组进行操作，因此它会尝试将您的数据转换为数组，同时通过传递 dim 来指定正确的维度。属性来自 yz并创建一个 array对于进一步的操作，即类似

dims <- dim(yz)
perm <- c(2L, seq_along(dims)[-2L])
array(colMeans(yz), dims[perm])

这适用于很好的矩阵，因为所有矩阵都有 dim根据定义属性。

虽然 data.frame s 没有 dim属性，dim(x)函数仍然足够聪明，可以计算暗淡本身，所以这工作得很好

dim(x)
## [1] 100   2

唯一的问题是predict.ar函数去掉 class属性来自 x在到达 sweep 之前的过程中的某个地方，所以这就是 matrix 的区别所在和 data.frame在那件事上很重要

class(x) <- NULL
dim(x)
## NULL
class(x)
## [1] "list"

尽管

class(yz) <- NULL
dim(yz)
## [1] 100   2
class(yz)
## [1] "matrix"

注意，x刚变成list具有不同的元素，例如向量和属性，而 matrix由于其 dim 保留了其原始结构属性，所以 class函数仍然可以识别它是一个矩阵，而 x完全变形和class不能再处理了。

如果您想知道如何class有效，真正发生了什么，请参阅我的回答 here

无论如何，虽然这仍然有效

STATS <- colMeans(yz)
class(yz) <- NULL
dims <- dim(yz)
perm <- c(2L, seq_along(dims)[-2L])
array(STATS, dims[perm])

这现在返回您之前看到的错误

x <- as.data.frame(yz)
STATS <- colMeans(x)
class(x) <- NULL
dims <- dim(x)
perm <- c(2L, seq_along(dims)[-2L])
array(STATS, dims[perm])
# Error in array(STATS, dims[perm]) : 'dims' cannot be of length 0

我会让你高兴地进一步挖掘 in the rabbit hole为了更好地了解如何dim作品。

因此，为了结束这一点(如@joran 的评论中所述)- 请始终首先阅读文档 .如果您仔细查看 ?ar.ols , x应该是一个单变量或多变量时间序列。在示例中，x始终是类 ts 的对象而从来没有 data.frame .

因此，虽然我同意在您指定 demean = FALSE 的特定情况下，这个错误一开始就不应该发生，知道你在做什么仍然是一个更好的做法。换句话说，这就是经典XY problem问题的类型。