在预测中收到“可变长度差异”错误

Question

我在尝试测试模型的准确性时收到了上述消息。计划是预测最后15个时间点，并将它们与实际的误差值进行比较，但出于某种原因，我得到了“可变长度差异”错误消息。

这是使用来自astsa包的johnson和johnson数据（数据（jj））。下面是代码和相关错误 -

> ##set up JJ data and time because its quarterly data 
> X.all<-jj[1:84] 
> t<-time(jj) 
> 
> values<-length(t)-15 
> ts<-t[1:values] 
> tsq<-ts^2/factorial(2) 
> X<-X.all[1:values] 
> year.first<-values+1 
> year.last<-length(t) 
> ##setting t for 15 values using quarterly idea 
> new<-data.frame(ts=t[year.first:year.last]) 
> X.true<-X.all[(values+1):length(t)] 
> fit1<-lm(X~ts+tsq) 
> Xhat<-predict(fit1,new,se.fit=TRUE) 
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
    variable lengths differ (found for 'tsq') 
In addition: Warning message: 
'newdata' had 15 rows but variables found have 69 rows 

> X.hat<-round(Xhat$fit,2) 
> error<-X.true-X.hat 

Answer 1

的问题是，你想叫predict与newdata的论点，即不包含所有在模型中使用的变量。 new只包含ts，而不包含tsq。你可以解决这个问题的：

1. 创建包含两种ts和tsq，或
2. 更好的解决方案是使用你的型号规格I()符号，就像定义tsq一data.frame new：lm(X ~ ts + I(ts^2/factorial(2)))。 I()表示法会自动生成转换，因此您不必手动创建功率术语等，只需将它们包含在您的规范中即可。

举个例子，你可以尝试这一点与iris数据集，看看它是如何工作比你目前的做法更好：

fit1 <- lm(Sepal.Length ~ Sepal.Width + I(Sepal.Width^2/factorial(2)), data = iris) 
new <- data.frame(Sepal.Width = seq(1,5,by = 0.25)) 
predict(fit1, new) 

我们可以比较这对你的方法，观察你的错误”重新遇到：

s2 <- I(iris$Sepal.Width^2/factorial(2)) 
fit1 <- lm(Sepal.Length ~ Sepal.Width + s2, data = iris) 
new <- data.frame(Sepal.Width = seq(1,5,by = 0.25)) 
predict(fit1, new) 
# Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
# variable lengths differ (found for 's2') 
# In addition: Warning message: 
# 'newdata' had 17 rows but variables found have 150 rows