如何为基于Bootstrap的袋装时间序列模型计算AICc值？

我参考《预测原理与实践》中的Bootstrap方法实现袋装预测，但不知道如何计算袋装模型的AICc值，执行相关代码时持续报错。

我的代码流程 #

1. 数据预处理与分解模型初始化

library(fpp3)
library(tidyverse)
cement <- aus_production |>
  filter(year(Quarter) >= 1988) |>
  select(Quarter, Cement)
cement_stl <- cement |>
  model(stl = STL(Cement))

2. 生成Bootstrap模拟序列

sim <- cement_stl |>
  generate(new_data = cement, times = 10,
           bootstrap_block_size = 8) |>
  select(-.model, -Cement)

3. 拟合ETS模型并生成预测

ets_forecasts <- sim |>
  model(ets = ETS(.sim)) |>
  forecast(h = 12)

4. 计算袋装预测均值

bagged <- ets_forecasts |>
  summarise(bagged_mean = mean(.mean))

报错情况 #

尝试以下代码计算AICc或准确率时：

glance(bagged)
accuracy(bagged)
glance(ets_forecasts)
accuracy(object = bagged, data = ets_forecasts)

返回错误：

Error in UseMethod("glance") : 
  no applicable method for 'accuracy' applied to an object of class "c('tbl_ts', 'tbl_df', 'tbl', 'data.frame')"

问题根源：
bagged是summarise生成的时间序列表格，不是模型对象；glance()和accuracy()仅支持模型对象或包含真实值+预测值的结构化表格。此外，袋装模型是多个子模型预测的均值，没有单一拟合参数，无法直接计算传统AICc。

方法1：汇总子模型的AICc值 #

袋装模型没有自身的AICc，可计算所有子模型AICc的平均值作为参考：

# 提取每个ETS子模型的AICc
submodel_metrics <- ets_forecasts |>
  select(.sim_id, .sim) |>
  distinct() |>
  mutate(model_stats = map(.sim, ~glance(.x))) |>
  unnest(model_stats)

# 计算子模型AICc的均值
bagged_aicc <- submodel_metrics |>
  summarise(mean_aicc = mean(AICc))

方法2：评估袋装预测的准确率 #

若需评估预测性能，将袋装预测与原始数据结合后使用accuracy()：

# 合并袋装预测与原始数据
bagged_vs_actual <- bagged |>
  left_join(cement, by = "Quarter")

# 计算准确率指标
accuracy(bagged_vs_actual, truth = Cement, estimate = bagged_mean)

内容的提问来源于stack exchange，提问作者Russ Conte