Question

我正在尝试使用R中的vars包来学习矢量自回归模型。此包没有任何方法来衡量返回模型的准确性。

具体来说，我想使用R中accuracy包的forecast函数中定义的MASE，将VAR的预测与每个组件时间序列上使用Arima模型的预测进行比较（我正在使用4可能相关的时间序列）。 accuracy无法识别varest返回的vars对象。如何获取每个预测组件的MASE？我想计算样本内和样本外的准确度

代码示例：

library(vars)
library(forecast)
data(Canada)
v<- VAR(window(Canada, end=c(1998,4)), p=2)
accuracy(v$varresult[[1]])

accuracy的参数是一个lm对象，并将系列1的训练精度返回为：

                       ME      RMSE       MAE           MPE      MAPE       MASE
Training set 1.536303e-15 0.3346096 0.2653946 -1.288309e-05 0.0281736 0.03914555

我希望使用类似的东西来获得样本外的测试准确性（不完全是这样，因为需要指定预测期）：

 accuracy(v$varresult[[1]], window(Canada[,1], start=c(1999,1)))

但lm对象不支持此操作并返回错误

 Error in testaccuracy(f, x, test) : Unknown list structure

如果我直接按如下方式使用这些值，我就不会得到MASE，它需要有关训练集的信息。这也容易出现一个一个错误，因为使用了值而不是ts个对象，accuracy将直接匹配存储的时间：

 p<-predict(v, n.ahead=8)
 accuracy(p$fcst[[1]][,"fcst"],window(Canada[,1], start=c(1999,1)))

             ME      RMSE       MAE         MPE       MAPE      ACF1 Theil's U
Test set -0.1058358 0.8585455 0.7385238 -0.01114099 0.07694492 0.5655117  1.359761

理想情况下，我想将其预测为：

fr<-forecast(v$varresult[[1]], h=8)

但这不起作用，因为它需要其他系列进行预测，并给出：

Error in eval(expr, envir, enclos) : object 'datamat' not found

我可以尝试复制forecast.Arima等功能并尝试编写forecast.varresult包，但有更简单的方法吗？

Answer 1

为什么不尝试阅读文档。以下是关于第一个参数f：

的说法

“预测”类的对象，或包含的数字向量预测。如果是x，它也可以与Arima，ets和lm对象一起使用省略 - 在这种情况下返回样本内准确度度量。

VAR不返回“预测”类的对象，但您可以计算包含预测的数值向量。

现在阅读第二个参数x。

一个可选的数字向量，包含与对象相同长度的实际值，或者a 时间序列与f的时间重叠。

好的，这很简单。只需在x中为实际值和f中的预测值。

但是这不会给你MASE在帮助页面的下方，它解释说“MASE计算使用MAE对非季节性时间序列的样本内天真预测进行缩放，季节性季节性天真预测季节性非时间序列数据的时间序列和样本内平均预测。“因此，如果没有历史数据，它就无法进行计算，除非您传递“预测”类的对象，否则它将无法了解它们。

然而，不难欺骗它给你想要的东西。以下是一些代码：

trainingdata <- window(Canada, end=c(1998,4))
testdata <- window(Canada, start=c(1999,1))
v <- VAR(trainingdata, p=2)
p <- predict(v, n.ahead=8)
res <- residuals(v)
fits <- fitted(v)
for(i in 1:4)
{
  fc <- structure(list(mean=p$fcst[[i]][,"fcst"], x=trainingdata[,i],
     fitted=c(NA,NA,fits[,i])),class="forecast")
  print(accuracy(fc,testdata[,i]))
}

使用预测准确度（）测量VAR准确度

1 个答案: