调用coeftest检验ARIMA(0,1,0)模型出现dimnames维度不匹配错误求助

核心原因 #

ARIMA(0,1,0)本质是随机游走模型，它没有需要估计的AR（自回归）或MA（移动平均）系数——模型仅对原始序列做1阶差分，差分后的序列是白噪声，无待估参数。而coeftest()函数需要读取模型的系数矩阵来生成检验结果，当模型没有系数时，就会触发维度不匹配的错误。

验证步骤 #

用最小可复现数据测试：

# 加载依赖包
library(forecast)
library(lmtest)
library(xts)

# 构造随机游走类型的测试数据
date <- seq(as.Date("2020-01-01"), as.Date("2023-12-31"), by = "month")
value <- cumsum(rnorm(length(date)))  # 生成随机游走序列
df <- data.frame(date = date, value = value)

# 转换为xts时间序列对象
xts_data <- xts(df$value, order.by = df$date)

# 拟合ARIMA模型（auto.arima会自动选中ARIMA(0,1,0)）
model <- auto.arima(xts_data)
print(model)

# 查看模型系数——结果为空
coef(model)

运行coef(model)会返回空值，直接验证了该模型无待估系数，这就是coeftest(model)报错的根源。

解决方案 #

1. 无需系数检验：ARIMA(0,1,0)本身没有系数，对它做系数检验没有统计意义。
2. 模型诊断替代方案：如果需要验证模型合理性，使用forecast包的checkresiduals()函数检验残差是否为白噪声，这是时间序列模型诊断的核心指标：

checkresiduals(model)

3. 调整模型选择逻辑：如果原本期望模型带有系数，可调整auto.arima()的参数，比如指定d=0强制不差分，或设置stepwise=FALSE让算法搜索更全面的模型范围。

内容的提问来源于stack exchange，提问作者newquant84