我正在尝试使用预测功能的ardl模型，就像这样。
library(ARDL)
data(denmark)
models <- auto_ardl(LRM ~ LRY + IBO + IDE, data = denmark, max_order = 5)
ardl_3132 <- models$best_model
fabletools::forecast(object = ardl_3132, new_data = denmark[1:20, ])
forecast::forecast(object = ardl_3132, new_data = denmark[1:20, ])但是，它会抛出错误Error in L(LRM, 1) : could not find function "L"
如何在此进行预测？
2条答案
按热度按时间dz6r00yl1#
当我尝试在一个ardl模型上使用predict（）时，我也遇到了这个错误。
L函数在tsDyn中，我想，但加载那并不能消 debugging 误。
sauutmhj2#
AFAIK，在ARDL模型的“核心”通常是简单的线性回归（除非它被指定为dynlm的动态模型），所以...我最好的尝试是尝试使用不同的包/函数来构建ARDL模型。它需要更多的编写，但应该会给予你一个可行的模型对象，然后你可以使用它来构建你的预测/预报。
因此，我要做的是使用ARDL包来估计ARDL模型，就像您在上面的示例中所做的那样，从模型对象中提取完整的公式，并使用其语法在lm（）公式中重写它，如下所示：
LRM ~ L(LRM, 1) + L(LRM, 2) + L(LRM, 3) + LRY + L(LRY, 1) + IBO + L(IBO, 1) + L(IBO, 2) + L(IBO, 3) + IDE + L(IDE, 1) + L(IDE, 2)我们可以在一个lm（）模型中指定上面的公式：
您可以使用
predict.lm()函数使用线性指定的ARDL模型创建预测：与使用lm（）或glm（）相比，ARDL包本身对于更方便地估计模型非常有用。请参阅对模型对象的summary（）调用以探索其属性。
然而，将其与
lm()指定的模型摘要进行比较表明，它们并不相同。其原因是此特定示例的函数
ARDL::auto_ardl()选择了指定动态线性模型和时间序列回归而不是线性模型的dynlm::dynlm(formula = full_formula, data = data, start = start, end = end)。要从dynlm模型创建预测，您需要使用
stats::predict()，如下所示：将
dynlm预测值与线性模型预测值进行比较，我们可以看到，预测是不同的。
更新：也许更好的选择是使用另一个特定于ARDL的包，而不是简单的lm（）或glm（）函数。
所以，现在我将使用一个不同的包 dyn，它使用了一个有点奇怪的语法：
library(dyn)dyn_model_1 <- dyn::dyn$lm(LRM ~ stats::lag(LRM, -1) + stats::lag(LRM, -2) + stats::lag(LRM, -3) + LRY + stats::lag(LRY, -1) + IBO + stats::lag(IBO, -1) + stats::lag(IBO, -2) + stats::lag(IBO, -3) + IDE + stats::lag(IDE, -1) + stats::lag(IDE, -2), data = denmark)打印指定模型的摘要：
summary(dyn_model_1)观察模型拟合值：
plot(dyn_model_1$fitted.values)使用指定的模型向前预测n步：
n <- 2#指定要预测的前进步数prediction <- predict(dyn_model_1, n)#预测n超前步骤plot(prediction)#绘制预测值重要提示：如果方程中有时间t=0的非滞后变量，则无法预测周期t+i的y。此外，如果要进行t=2预测，则应确保同时从方程中删除t-1滞后变量。
一般规则：在指定模型的方程中，你不能预测比自变量滞后更早的变量。
因此，在这种情况下，提前2步的预测将不起作用，因为模型方程中仍有t=0和t=-1的变量。要进行预测，我们首先必须从方程中删除这些（欠滞后）变量。为了能够提前2步进行预测，我必须重新指定模型如下：
dyn_model_2 <- dyn::dyn$lm(LRM ~ stats::lag(LRM, -2) + stats::lag(LRM, -3) + stats::lag(IBO, -2) + stats::lag(IBO, -3) + stats::lag(IDE, -2), data = denmark)prediction <- predict(dyn_model_2, n)plot(prediction)