如何计算模拟数据10个实现的协方差数值？stepR包报错排查

在R中使用stepR包的DepSMUCE方法估计变点数量时，因协方差参数格式不符合要求报错：

Error in .familyMDependentPS(data = data, y = y, ...) :
covariances have to be a finite numeric vector.

已生成模拟数据并通过公式计算协方差数值向量，但执行变点估计时触发上述错误，尝试代码如下：

library(stepR)
set.seed(1234)
f <- rep(c(0, 2, -2, 2, -2), c(200, 200, 200, 200, 200))
y <- as.data.frame(
  replicate(10, f + arima.sim(list(ar=c(.9)), n=1000, sd=.4358899))
)
correlations <- function(x) {
  (acf(arima.sim(list(ar=c(.9), ma=c()), n=1000, sd=.4358899), lag.max=1))$acf
}
cor <- sapply(y, correlations)
covar <- function(cor) .4358899^2 * cor
cova <- lapply(cor, covar)
covariances <- lapply(cova, as.numeric)
x <- seq(.001, 1, .001)
fit <- function(X) {
  stepFit(X, x=x, alpha=.1, family="mDependentPS", covariances=covariances,
          jumpint=TRUE, confband=TRUE)$rightIndex
}
cp <- sapply(y, fit)

1. 协方差格式不符：covariances被处理成了列表（lapply返回列表），但stepFit的mDependentPS家族要求传入单一有限数值向量，而非列表。
2. 协方差计算冗余且随机：correlations函数每次重新模拟AR(1)序列计算自相关，既浪费资源又引入随机误差，还可能导致协方差值出现异常。
3. 循环逻辑错误：sapply(y, fit)对每列数据调用fit时，传入了对应所有列的协方差列表，不符合函数单向量的要求。

1. 用理论值计算AR(1)模型的协方差 #

对于AR(1)模型$Y_t = \phi Y_{t-1} + \epsilon_t$（$\phi=0.9$，$\sigma_\epsilon=0.4358899$），滞后1阶的自协方差理论值为：
$\gamma(1) = \sigma^2 \frac{\phi}{1-\phi^2}$

2. 修正协方差格式与代码逻辑 #

修正后的代码：

library(stepR)
set.seed(1234)

# 生成模拟数据
f <- rep(c(0, 2, -2, 2, -2), c(200, 200, 200, 200, 200))
y <- as.data.frame(
  replicate(10, f + arima.sim(list(ar=c(.9)), n=1000, sd=.4358899))
)

# 计算AR(1)模型的理论滞后1阶协方差
phi <- 0.9
sigma_epsilon <- 0.4358899
covariances <- c((sigma_epsilon^2 * phi) / (1 - phi^2))

x <- seq(.001, 1, .001)
fit <- function(X) {
  stepFit(X, x=x, alpha=.1, family="mDependentPS", covariances=covariances,
          jumpint=TRUE, confband=TRUE)$rightIndex
}

# 对每列数据估计变点
cp <- sapply(y, fit)

额外说明 #

• 若需考虑更高阶依赖（如m>1），只需扩展covariances向量，加入对应滞后阶数的理论自协方差即可。
• 使用理论值替代模拟计算，既保证准确性，又避免随机波动导致的协方差值异常。

内容的提问来源于stack exchange，提问作者Tare