使用predict（）函数时出错

我是否应该将

ar.ols

的输出转换为

predict

可以接受的某种类型

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

因此错误来自

predict.ar

。如果运行

？predict

，您将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

及

告诉您我们正在寻找第一种方法

下一个尝试是在该方法中查找错误消息。前面的操作告诉我们，

predict.ar

是不可见的函数，因此我们需要将

getAnywhere

和

capture.output

与一些正则表达式函数结合起来，以查找错误消息，但遗憾的是，这不起作用

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

这意味着错误来自于

predict.ar

中运行的其他函数

（正如@hadley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)

这很好地向我们展示了函数调用的工作流程： 调用

predict

->识别对象的类别，并调用相应的方法

predict.ar

->

rbind

预分配矩阵（大小

ncol（x）

*

n.ahead

），使用

sweep

->对数据进行平均居中（使用

sweep

），在最后一次操作返回错误时，转置一些

数组

并创建一个新的

数组

因此，基本上所有的

sweep

函数都是从

yz

中减去

yz

的平均值（平均值居中-这可以通过运行

scale（yz，scale=FALSE）

来完成，所以不确定他们为什么首先使用

sweep

。可能是针对

dmean=FALSE

特殊情况吗？）。在您的例子中，您指定了

dmean=FALSE

，因此它会从两列中删除零（这是非常不必要的操作，在这种情况下可能应该避免）。比较

唯一的问题是，

sweep

对数组进行操作，因此它尝试将数据转换为数组，同时通过从

yz

传递

dim

属性来指定正确的维度，并创建一个

数组

以进行进一步的操作，例如

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

唯一的问题是

predict.ar

函数在

x

属性到达

sweep

之前将

class

属性从过程中的某个位置剥离，因此这就是

矩阵

和

数据.frame

之间的差异所在

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

这将返回您以前看到的错误

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

---

x有一个可复制的例子，搜索这个问题会有趣得多…@RStudent:谢谢。我明白你的意思，问题是因为x是一个数据帧。将x替换为as.matrix（x），问题就消失了。我想知道predict.ar是如何重建提供给
ar.ols
的数据的。代码对我来说似乎有点奇怪，但我的一般建议是，既然
ar.ols
的文档中说应该传递一个时间序列，那么您可能应该传递一个时间序列对象。@joran:谢谢！如何将矩阵或数据帧转换为时间序列对象？请参见
？ts
。我不希望数据帧与时间序列函数配合得很好。矩阵或时间序列对象是解决问题的方法。我认为使用
traceback（）
可以更快地找到错误的根源，而不必使用如此复杂的技巧。@hadley，谢谢，补充道。
dims <- dim(yz)
perm <- c(2L, seq_along(dims)[-2L])
array(colMeans(yz), dims[perm])

dim(x)
## [1] 100   2

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

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

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

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