从检查残差函数中提取p值

时间:2019-04-18 08:27:34

标签: r forecasting

我正在使用预测包进行预测。以下是我的预测结果。

#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)

所以现在我想将Checkresiduals函数的p值提取到数据框中,

   #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

我正在尝试下面的代码,但是有问题

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

那么有人可以帮助我如何从checkresiduals函数提取p值(p值= 0.4237)到data.frame吗?

3 个答案:

答案 0 :(得分:3)

Here,您可以看到checkresiduals()的内部。

不幸的是,根据文档,它不会返回值,因此您无法轻松提取所需的内容。

但是您可以执行相同的计算(请查看链接存储库中的第125行):

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

在将输出分配给变量之后,只需使用$p.value即可访问p值。

请注意,在我的快速示例中,这有点不同,因为我使用了默认值:

# r$p.value
# [1] 0.3678976

答案 1 :(得分:3)

不幸的是,函数checkresiduals()不会返回值,而只是返回prints()。您可以通过写checkresiduals而不带括号来查看该函数。或者,您检查开发者的github

您可以通过在其中插入return()来重写该函数。我只是复制粘贴函数,然后将其插入末尾:

 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()功能

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

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

使用此解决方案,您可以使用原始的检查残差函数。现在,您可以使用以下命令调用p.value:

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

您也可以只使用Ljung-BoxBreusch-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,因此您可以像习惯使用它那样使用它。您可以将其粘贴到您的代码中,它应该可以完成工作。只需确保在调用函数之前声明modeldf()modeldf().Arima。同样可以测试功能是否起作用。


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值= 0.4367”

使用grep命令,应该可以在不更改功能的情况下提取p值。由于我不熟悉grep,因此我无法在此任务上提供正确的答案。

答案 2 :(得分:2)

如果您特别需要一个数据帧,现在checkresiduals返回一个对象(由于@ mischva11),您可以使用tidy包中的broom函数将其转换为data.frame(实际上是tibblebroomtidyverse的一部分,但这足够了。)

> 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,输出仍然被打印,如上所示,您可能不需要。我发现避免这种情况的唯一方法是使用invisible(capture.output())

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