带外生变量的ARIMA预测报错：无法匹配mu与sigma维度

• 错误根源在于模型定义时的公式写法：你在ARIMA公式里用了df_train$EstTonne，这是直接传入训练集的具体向量，而非声明要使用名为EstTonne的变量。
• 这种硬编码方式会让模型绑定训练集的xreg数据，导致预测阶段生成的均值序列长度还是训练集的84个，和需要预测的24个步长的sigma无法匹配，触发回收错误。

1. 修正模型构建代码 #

去掉df_train$前缀，直接使用列名，让模型识别变量而非绑定训练集的具体数据：

arima_fish <- df_train %>%
  model(arima = ARIMA(EurosPerLiveKg ~ EstTonne))

修正后，模型的report输出中外生变量名称会显示为EstTonne，而非之前的xreg_train_wt，说明模型正确识别了变量。

2. 执行预测的正确方式 #

推荐两种符合tidyverts框架规范的写法：

写法一：使用new_data传入测试集（最简洁） #

arima_fish %>%
  forecast(new_data = df_test)

模型会自动从df_test中读取EstTonne作为预测用的外生变量，无需额外指定。

写法二：指定xreg参数（需确保向量长度匹配） #

如果坚持用xreg参数，直接传入测试集的EstTonne向量即可：

arima_fish %>%
  forecast(h = 24, xreg = df_test$EstTonne)

内容的提问来源于stack exchange，提问作者zemphis