R：VAR模型精度误差

Question

我有两个问题。 （注意：问题的第一部分已在下面的评论中解决）

1. 首先，我试图根据Rob Hyndman的this tutorial确定VAR预测的平均绝对误差，并收到以下错误消息：

   Error in `-.default`(fcast[['mean']], dxnext) :
     non-numeric argument to binary operator
   

   我相信我已设法将其追踪到VAR的输出，这是非数字的，并且似乎导致了这个问题。

   有解决方法吗？

2. 其次，此代码需要适用于双变量和多变量模型，因此我怀疑是否应该使用dx的{​​{1}}长度作为教程建议，或者其中一个变量的长度，因为这是表示给定时间范围的长度。问题在于n的长度以及在给定预测长度（在这种情况下为12）的循环中如何处理它。任何意见都将不胜感激。

以下是包含示例数据和所需包的代码，以便可以复制错误。

dx

修改

以下代码似乎可以解决上述问题，但我仍然遇到有关如何处理输出的问题。

我的直觉是它只记录循环的最后一次迭代，并且该迭代的预测范围延伸到未来（超出可用数据的范围）。

正如我在上面提供的链接中部分解释的那样，代码尝试基于蓝色数据运行模型（参见下面的示例图片）并预测红色数据集，记录每个预测范围的平均误差，将其存储在数据帧，最后取所有迭代的平均误差。



require("forecast")
require("vars")

x <- rnorm(70)
y <- rnorm(70)

dx <- cbind(x,y)
dx <- as.ts(dx)

# Forecast Accuracy
k <- 58 # data length less forecast horison (as minimum)
n <- length(dx)
mae <- matrix(NA, n-k, 12)
st <- tsp(dx)[1]+(k-2)/12

for (i in 1:(n-k)) {
 dxshort <- window(dx, end=st+i/12)
 dxnext <- window(dx, start=st + (i+1)/12, end=st+(i+12)/12)
 fit <- VAR(dxshort, p = 2)
 fcast <- forecast(fit, h = 12)
 mae[i,1:length(dxnext)] <- abs(fcast[['mean']] - dxnext)
}

plot(1:12, colMeans(mae,na.rm = TRUE), type = "1", Col = 2, xlab = "horizon", ylab = "MAE")