无法将xreg值传递给hts预测

Question

我试图在我的预测中传递xreg参数，但始终遇到一个错误，即：

fc=forecast(gy,fmethod="arima",h=days,method="bu",xreg=z,newxreg=fz)

Error in as.matrix(newxreg) %*% coefs : non-conformable arguments
In addition: Warning message:
In cbind(intercept = rep(1, n), xreg) :
  number of rows of result is not a multiple of vector length (arg 1)

我不明白错误信息。由于无法发布原始数据，所以我在下面的代码中创建了一组模拟数据。出于某种原因，模拟数据可以正常工作。当我注释掉临时行并使用我的csv文件时，我得到了上面的错误。

library(hts)

#Get data from file
#data=read.csv("C:/mydatafile.csv")

#TEMP: Create mock data
temp.dates=rep(seq(1,60),times=5)
temp.pl2=c(paste("A",rep(seq(1,3),each=60),sep=""),rep("A4",120))
temp.pl3=paste("B",rep(seq(1,5),each=60),sep="")

data=data.frame(DateId=temp.dates,
                ProductLevel2Code=temp.pl2,
                ProductLevel3Code=temp.pl3,
                SalesNetAmount=rnorm(300,mean=15000,sd=2000),
                TotalViews=rnorm(300,mean=50000,sd=3000))


#Create time series using sales dollars
r = length(unique(data$DateId))
c = length(unique(data$ProductLevel3Code))
myts=ts(matrix(data$SalesNetAmount,ncol=c,nrow=r),frequency=7)

#Assign column names to matrix
clnames <- unique(paste(data$ProductLevel2Code, # PL2
                        data$ProductLevel3Code, # PL3
                        sep=""))
colnames(myts)=clnames

#Create heirarchial time series based on 4 character codes
gy=hts(myts,characters=c(2,2))

#Get total views for site by day
data.views=aggregate(data[,c("TotalViews")],by=list(data$DateId),FUN=sum)$x

#Get xreg values
z= matrix(data.views,nrow=60)

#Create newxreg values
days=14
fz = matrix(rep(mean(data.views),days),nrow=days)

fc=forecast(gy,fmethod="arima",h=days,method="bu",xreg=z,newxreg=fz)
plot(fc)

我检查了原始数据，有42个ProductLevel3代码，每个代码都有60个日期值。没有NAs或缺少数据。CSV有2,520个数据行，等于60x42。CSV文件结构与从上述代码创建的数据帧相同。

我遗漏了什么？?

更新

为了在Excel中尝试，我用随机数替换了SalesNetAmount & TotalViews，重新分配了CSV，没有运行R脚本的问题。我试着重放原来的CSV，因为-但是再次遇到错误。让我相信这些数字是我问题的根源。一些产品线的销售/流量非常少，所以有相当多的0，但我尝试添加1到整个数据集的非零值，而且错误仍然存在。

Answer 1

我解决了直接的问题，所以这是技术上的答案，但我不完全明白为什么。

我仔细阅读了HTS代码中有关使用trace()函数的内容，发现了引起问题的行：

else if (fmethod == "arima") {
                models <- auto.arima(x, lambda = lambda, xreg = xreg, 
                  parallel = FALSE, ...)
                out$pfcasts <- forecast(models, h = h, xreg = newxreg)$mean
            }

经过一些调试后，事实证明HTS在一个特定系列上失败了。当我检查这个系列的时候，是为了一个产品类别，在整个60天的时间里，这类产品的销售量恰好是0。显然，当时间序列完全静态时，auto.arima无法处理外部回归器。

您可以通过以下方式复制这个

test.data=rep(1,60)
z=as.matrix(rnorm(60,100,20),nrow=60)
fz=as.matrix(rnorm(14,100,20),nrow=14)

#Does not work
fit.bad=auto.arima(test.data,xreg=z)
forecast.bad=forecast(fit.bad,h=14,xreg=fz)
plot(forecast.bad)


#Works
fit.good=auto.arima(test.data)
forecast.good=forecast(fit.good,h=14)
plot(forecast.good)

不管它是多少，但是如果时间序列是完全静态的，那么第一个auto.arima()将给出错误

Error in as.matrix(newxreg) %*% coefs : non-conformable arguments

然而，只将时间序列中的单个值更改为2(或任何其他数字)，这两个ARIMA函数都可以很好地工作。

在我最初的问题中，似乎是次要的错误信息

In cbind(intercept = rep(1, n), xreg) :
  number of rows of result is not a multiple of vector length (arg 1)

...was是由HTS添加的一种完全的红鲱鱼。错误的根源在于auto.arima函数。删除所有产品系列的静态销售已经解决了我的问题。

Answer 2

检查z和fz的类。您的模拟数据使用了工作良好的矩阵。

还检查z和fz的尺寸。它们应该有相同的列数，fz应该有与days相同的行数。