0

我正在尝试将变量动态插入到寓言模型中。

数据

library(dplyr)
library(fable)
library(stringr)

df <- tsibbledata::aus_retail %>% 
  filter(State == "Victoria", Industry == "Food retailing") %>% 
  mutate(reg_test = rnorm(441, 5, 2),
         reg_test2 = rnorm(441, 5, 2))

请注意,tsibble 中可能包含不确定数量的回归量,但在此示例中,我只有两个 (reg_testreg_test2)。所有回归量列都将以reg_

问题功能

我有一个函数,我想使用 fable 包动态地将回归量列放入 ARIMA 模型中。

test_f <- function(df)  {
var_names <- str_subset(names(df), "reg_") %>% 
    paste0(collapse = "+")  
    test <- enquo(var_names)
df %>% 
  model(ARIMA(Turnover ~ !!test))
}

test_f(df)

# A mable: 1 x 3
# Key:     State, Industry [1]
  State    Industry      `ARIMA(Turnover ~ ~"reg_test+reg_tes~
  <chr>    <chr>         <model>                              
1 Victoria Food retaili~ <NULL model>                         
Warning message:
1 error encountered for ARIMA(Turnover ~ ~"reg_test+reg_test2")
[1] invalid model formula in ExtractVars

我知道它只是将字符串var_names放入公式中,这是行不通的,但我无法弄清楚如何以var_names我可以enquo()正确创建的方式创建。

我在这里通读了 Quasiquotation 部分, 我搜索了 SO,但还没有找到答案。

这个问题似乎pasre_expr()越来越近了,但仍然不是我想要的。

我知道如果我有一个变量,我可以使用,但我不知道会有sym()多少变量,我想将它们全部包含在内。reg_

预期产出

通过手动输入变量,我可以显示我期望的输出。

test <- df %>% 
  model(ARIMA(Turnover ~ reg_test + reg_test2))
test$`ARIMA(Turnover ~ reg_test + reg_test2)`[[1]]

Series: Turnover 
Model: LM w/ ARIMA(2,1,0)(0,1,2)[12] errors 

Coefficients:
          ar1      ar2     sma1     sma2  reg_test  reg_test2
      -0.6472  -0.3541  -0.4115  -0.0793   -0.0296    -0.6143
s.e.   0.0473   0.0479   0.0520   0.0446    0.5045     0.5273

sigma^2 estimated as 884.9:  log likelihood=-2058.04
AIC=4130.08   AICc=4130.35   BIC=4158.5

我还想象有一种更好的方法可以让我在ARIMA函数中制作公式。如果这也可以解决我的问题,那也可以。

我很感激任何帮助!

4

1 回答 1

1

你可能会让这比它需要的更复杂一些。您可以通过执行将字符串转换为公式as.formula(string),因此只需将公式构建为字符串,将其转换为公式,然后将其提供给ARIMA. 这是一个代表:

library(dplyr)
library(fable)
library(stringr)

df <- tsibbledata::aus_retail %>% 
  filter(State == "Victoria", Industry == "Food retailing") %>% 
  mutate(reg_test = rnorm(441, 5, 2),
         reg_test2 = rnorm(441, 5, 2))

test_f <- function(df)  {
    var_names <- paste0(str_subset(names(df), "reg_"), collapse = " + ")
    mod <- model(df, ARIMA(as.formula(paste("Turnover ~", var_names))))
    unclass(mod[1, 3][[1]])[[1]]
}

test_f(df)
#> Series: Turnover 
#> Model: LM w/ ARIMA(2,1,0)(0,1,1)[12] errors 
#> 
#> Coefficients:
#>           ar1     ar2     sma1  reg_test  reg_test2
#>       -0.6689  -0.376  -0.4765    0.3363     1.0194
#> s.e.   0.0448   0.045   0.0426    0.4978     0.5436
#> 
#> sigma^2 estimated as 883.1:  log likelihood=-2058.28
#> AIC=4128.56   AICc=4128.76   BIC=4152.91

reprex 包(v0.3.0)于 2020 年 4 月 23 日创建

于 2020-04-23T15:54:08.867 回答