如何解决TSLM警告：参数必须可强制转换为非负整数

尝试在谷歌（GOOG）2018年股票收盘价时间序列中分析多重季节性，但使用TSLM()拟合趋势+季节模型时，即便将收盘价从double转为整数，仍触发警告：

1 error encountered for TSLM(Close ~ trend() + season())
[1] argument must be coercible to non-negative integer

数据无NA值且所有收盘价为正数，不使用管道符也会出现相同警告。

原始代码：

rm(list = ls())
require(fpp3)
goog<-gafa_stock|&gt;filter(Symbol=="GOOG",year(Date)==2018)
close<-goog|&gt;select(Close) # just get close
sum(is.na(close)) # no na's
min(close$Close) # min is positive
fitClose <- close |> model(TSLM(Close ~ trend() + season())) # complains
# Warning message:
# 1 error encountered for TSLM(Close ~ trend() + season())
# [1] argument must be coercible to non-negative integer
c<-close |> mutate(Close=as.integer(Close)) # convert to integer
#autoplot(c)
#close|&gt;mutate(Close = Close / first(Close))
fit <- c |> model(TSLM(Close ~ trend() + season())) # still complains
report(fit)

编辑1：不使用管道符的代码同样报错：

fitClose <- model(close,TSLM(Close ~ trend() + season())) # complains

警告的核心原因是：你只保留了Close列，丢失了作为时间索引的Date列，导致close不再是tsibble（时间序列数据框），season()和trend()函数需要依赖时间索引计算周期和趋势项，没有索引就无法正常工作。

修复步骤：

• 必须保留时间索引列Date，确保输入数据是tsibble类型（gafa_stock本身就是tsibble，过滤后只要不丢失索引列就没问题）

修改后的代码：

rm(list = ls())
require(fpp3)

# 过滤数据时默认保留Date列，无需额外操作
goog <- gafa_stock |> filter(Symbol == "GOOG", year(Date) == 2018)
sum(is.na(goog$Close)) # 确认无NA
min(goog$Close) # 确认数值为正

# 直接用带时间索引的tsibble拟合模型
fitClose <- goog |> model(TSLM(Close ~ trend() + season()))
report(fitClose)

如果确实只需要Close列，也要保留Date作为索引：

# 保留Date和Close列，确保仍是tsibble
close_ts <- goog |> select(Date, Close)
fitClose <- close_ts |> model(TSLM(Close ~ trend() + season()))

补充说明：

• fpp3包的所有建模函数都要求输入是tsibble，必须包含明确的时间索引列
• season()函数会根据时间索引的频率自动识别季节周期（比如日度数据的周周期、年度周期），没有索引就无法计算
• 转换收盘价为整数完全没必要，这个操作和警告无关，属于无效尝试

内容的提问来源于stack exchange，提问作者Ray Tayek