Question

我应该将ar.ols的输出转换为predict可以接受的某种类型吗？

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，您将看到它是一个通用函数，＆＃34; 调用依赖于第一个参数的类的特定方法＆＃34;

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，因此我们需要结合getAnywhere和capture.output以及一些正则表达式函数来查找错误消息，但不幸的是，赢了＆＃ 39;工作

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

这意味着该错误来自于predict.ar内运行的其他一些函数。

（正如@hadley所提到的）我们需要使用traceback()来识别导致它的内部函数

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)

这很好地展示了我们函数调用的工作流程：致电predict - ＆gt;识别对象的类并调用相应的方法predict.ar - ＆gt; rbind预先分配的矩阵（大小为ncol(x) * n.ahead），使用sweep - ＆gt;的平均中心数据在对数据进行中心处理时（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。

所以基本上所有sweep函数都会从yz中减去yz的平均值（均值中心 - 这可以通过运行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特例？）。在您的情况下，您指定了dmean = FALSE，因此它从两列中删除了零（这是非常不必要的操作，在这种情况下可能应该避免）。比较

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，因此它会尝试将数据转换为数组，同时通过从dim传递yz属性来指定正确的维度并创建array用于进一步操作，即

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

这适用于精细矩阵，因为根据定义，所有矩阵都具有dim属性。

虽然data.frame没有dim属性，但dim(x)功能仍然足够聪明，可以计算昏暗本身，所以这样做完全正常

dim(x)
## [1] 100   2

唯一的问题是predict.ar函数在class到达x之前的某个地方从sweep剥离了matrix属性，所以这就是data.frame和class(x) <- NULL dim(x) ## NULL class(x) ## [1] "list"对此非常重要

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

虽然

请注意，list只是变成了matrix，其中包含了向量和属性等不同元素，而dim由于其class属性而保留了原始结构，因此x函数仍然可以识别它是一个矩阵，而class完全变形，class无法再处理它。

如果您想了解STATS <- colMeans(yz) class(yz) <- NULL dims <- dim(yz) perm <- c(2L, seq_along(dims)[-2L]) array(STATS, dims[perm])的工作原理以及实际发生的情况，请参阅我的回答here

无论如何，虽然这仍然有效

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

现在返回

之前看到的错误

dim

我希望您能够进一步挖掘in the rabbit hole，以便更好地了解?ar.ols的工作原理。

因此，为了得出结论（如@joran的评论中所述） - 请始终阅读文档。如果您仔细查看x，x应该是单变量或多变量时间序列。在示例中，ts 总是类data.frame的对象，而从不一个demean = FALSE。

因此，虽然我同意对于您已指定{{1}}的特定情况，但首先不应发生此错误，了解您的情况仍然是更好的做法这样做。换句话说，这是问题的经典XY problem类型。

使用predict（）函数时出错

1 个答案: