使用funtimes包带自相关增强的Mann-Kendall检验报错求助

问题根源 #

报错核心原因是样本量过小（仅8个观测值），但参数设置不符合小样本场景：

• j = c(8:11)：Sieve Bootstrap的阶数j不能超过样本量n，你设置的j最大值11远大于n=8，导致AR模型估计时产生缺失值，进而触发filter函数报错。
• 同时，factor.length设置为c("user.defined", "adaptive.selection")搭配过大的j，在小样本下会导致模型估计失败。

修正后的代码 #

针对你的小样本数据，调整参数如下：

library(funtimes)

Refenu_summary_byyearoC <- data.frame(
  year = c(2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019),
  Total_Enucleation = c(748, 762, 817, 844, 891, 940, 911, 970)
)

# 调整参数适配小样本：使用自适应阶数选择
apply(Refenu_summary_byyearoC["Total_Enucleation"], 2, function(x) {
  notrend_test(x, B = 1000, test = "MK",
               ar.method = "HVK", ar.order = NULL,
               factor.length = "adaptive.selection",
               q = 3/4)$p.value
})

如果坚持手动设置阶数j，必须保证j的最大值小于样本量：

apply(Refenu_summary_byyearoC["Total_Enucleation"], 2, function(x) {
  notrend_test(x, B = 1000, test = "MK",
               ar.method = "HVK", ar.order = NULL,
               factor.length = "user.defined",
               j = c(2:4),  # j的取值必须小于样本量n=8
               q = 3/4)$p.value
})

补充说明 #

• 小样本下使用Sieve Bootstrap建议优先选择自适应参数设置（factor.length = "adaptive.selection"），让函数自动匹配合适的阶数，避免手动设置出错。
• 你的数据整体呈现上升趋势（仅2018年略有下降），检验结果需结合实际业务场景解读。

内容的提问来源于stack exchange，提问作者Nicolas Pensel