R tidyverts/fable框架中外生回归元秩亏时ARIMA降级方案问询

问题背景 #

在tidyverts/fable框架下做多时间序列预测时，存在以下行为差异：

• 当单个外生回归元因全为0导致秩亏时，fable::ARIMA()会自动丢弃该变量，使用剩余变量建模；
• 当所有外生回归元都因秩亏被丢弃时，模型会返回NULL，而非自动降级到无外生变量的ARIMA(y)基准模型。

核心需求：

1. 能否让ARIMA(y~x1+x2+...)在所有外生回归元秩亏时，自动执行ARIMA(y)的建模逻辑？
2. 若无法直接实现，有没有tidy风格的解决方案？

解决方案 #

方法1：自定义模型包装器（推荐，原生tidy风格） #

通过fabletools::new_model_spec()创建自定义模型，内部自动检测外生变量的秩亏状态，触发降级逻辑：

library(tidyverse)
library(fable)
library(tsibble)
library(fabletools)

# 定义带自动降级的ARIMA模型
ARIMA_auto <- new_model_spec(
  "ARIMA_auto",
  function(formula, ...) {
    # 解析公式，分离响应变量与外生变量
    resp_var <- as.character(formula[[2]])
    xreg_vars <- all.vars(formula[[3]])
    
    function(data) {
      # 检查所有外生变量是否全为常数（秩亏判定）
      all_constant <- data %>%
        select(all_of(xreg_vars)) %>%
        map_lgl(~all(.x == .x[1])) %>%
        all()
      
      if (all_constant) {
        # 所有外生变量秩亏，降级到无外生变量的ARIMA
        ARIMA(formula(paste(resp_var, "~1")), ...)$fit(data)
      } else {
        # 存在有效外生变量，正常建模
        ARIMA(formula, ...)$fit(data)
      }
    }
  }
)

测试使用：

# 用自定义模型建模
dat %>% model(arima = ARIMA_auto(y~x1)) -> fit_auto

# 查看结果（bb组不再返回NULL，而是ARIMA(0,0,0)模型）
fit_auto %>% pull(arima) %>% map(c('fit', 'par'))

方法2：拆分分组+Try-Catch（灵活可控） #

将数据按分组拆分，逐组捕获建模错误，触发降级逻辑：

# 按分组拆分数据为嵌套tsibble
dat_nested <- dat %>%
  as_tibble() %>%
  group_nest(group) %>%
  mutate(data = map(data, ~as_tsibble(.x, index = idx)))

# 逐组建模，捕获错误时自动降级
dat_nested <- dat_nested %>%
  mutate(
    arima = map(data, function(df) {
      tryCatch(
        ARIMA(y~x1)$fit(df),
        error = function(e) {
          # 捕获秩亏导致的错误，切换到无外生变量模型
          ARIMA(y~1)$fit(df)
        }
      )
    })
  )

# 查看结果
dat_nested %>% pull(arima) %>% map(c('fit', 'par'))

补充说明 #

• 方法1更贴合fable的tidy建模范式，无需拆分数据，直接在model()中调用即可；
• 方法2灵活性更高，适合需要自定义错误处理规则的场景；
• 两种方案均能避免所有外生变量秩亏时返回NULL的问题，确保模型输出一致性。

内容的提问来源于stack exchange，提问作者lowndrul