使用虚拟变量做时间序列季节性调整时遇mutate()报错求助

问题 #

我想用虚拟变量对6年月度时间序列f1value做季节性调整，先执行了以下代码提取月度平均差异：

df_dummy <- dummy_cols(df, 
                       select_columns = "month")

fit <- lm(data = df_dummy, 
          formula = f1value ~ month_1 + month_2 + month_3 + month_4 + month_5 + month_6 + 
                    month_7 + month_8 + month_9 + month_10 + month_11 + month_12)

接着用模型结果计算调整后值时，运行以下代码报错：'names' attribute [1] must be the same length as the vector [0]

df_dummy %>%
  mutate(f1val_season_adj = # create new col
           case_when(
             month_1 == 1 ~ f1value - 2925, # if Jan, adj f1val by the estimate given in model
             month_2 == 1 ~ f1value - 3842,
             month_3 == 1 ~ f1value + 1235,
             month_4 == 1 ~ f1value + 6440,
             month_5 == 1 ~ f1value + 5938,
             month_6 == 1 ~ f1value + 6752,
             month_7 == 1 ~ f1value + 9491,
             month_8 == 1 ~ f1value + 7679,
             month_9 == 1 ~ f1value + 1596,
             month_10 == 1 ~ f1value + 3669,
             month_11 == 1 ~ f1value + 1735,
             month_12 == 1 ~ f1value # Dec. gets the Original value, as est. are based off month 12 base
           )
  )

不清楚错误涉及的向量或names属性是什么。

问题分析与解决方法 #

核心报错原因 #

1. 虚拟变量列匹配问题：dummy_cols生成的列名可能和你写的month_1~month_12不匹配——比如如果原始month列是字符型（如"Jan"），生成的列名会是month_Jan，此时case_when里的条件找不到对应列，返回空向量。
2. case_when未覆盖所有行：如果存在部分行的所有month_*都不等于1（比如month列有缺失值、虚拟变量生成错误），case_when会返回长度为0的结果，但mutate要求结果长度和原数据行数一致，从而触发names长度不匹配的错误。
3. 手动系数与模型冲突：你手动输入的2925等系数可能和lm模型的实际估计值不对应，甚至因为模型自动剔除了一个虚拟变量（共线性问题），导致部分系数不存在，间接引发计算错误。

修正步骤 #

1. 检查并确认虚拟变量列

先运行colnames(df_dummy)查看生成的列名，确保和case_when中的条件列完全一致。如果是字符型月份，要把条件改成对应列名，比如month_January == 1。

2. 给case_when添加默认分支

在最后加TRUE ~ f1value（或合理默认值），确保所有行都能得到结果，避免返回空向量：

df_dummy %>%
  mutate(f1val_season_adj = case_when(
            month_1 == 1 ~ f1value - 2925,
            month_2 == 1 ~ f1value - 3842,
            month_3 == 1 ~ f1value + 1235,
            month_4 == 1 ~ f1value + 6440,
            month_5 == 1 ~ f1value + 5938,
            month_6 == 1 ~ f1value + 6752,
            month_7 == 1 ~ f1value + 9491,
            month_8 == 1 ~ f1value + 7679,
            month_9 == 1 ~ f1value + 1596,
            month_10 == 1 ~ f1value + 3669,
            month_11 == 1 ~ f1value + 1735,
            month_12 == 1 ~ f1value,
            TRUE ~ f1value # 覆盖所有未匹配的情况
          )
  )

3. 自动调用模型系数，避免手动输入

直接从fit模型中提取系数，避免手动输入错误：

# 提取月度虚拟变量系数，给基准月份（如month_12）补0
season_coefs <- coef(fit)
season_coefs <- c(season_coefs, setNames(0, "month_12"))[paste0("month_", 1:12)]

# 用模型系数自动计算调整值
df_dummy <- df_dummy %>%
  mutate(
    season_effect = case_when(
      month_1 ==1 ~ season_coefs["month_1"],
      month_2 ==1 ~ season_coefs["month_2"],
      month_3 ==1 ~ season_coefs["month_3"],
      month_4 ==1 ~ season_coefs["month_4"],
      month_5 ==1 ~ season_coefs["month_5"],
      month_6 ==1 ~ season_coefs["month_6"],
      month_7 ==1 ~ season_coefs["month_7"],
      month_8 ==1 ~ season_coefs["month_8"],
      month_9 ==1 ~ season_coefs["month_9"],
      month_10 ==1 ~ season_coefs["month_10"],
      month_11 ==1 ~ season_coefs["month_11"],
      month_12 ==1 ~ season_coefs["month_12"],
      TRUE ~ 0
    ),
    f1val_season_adj = f1value - season_effect
  )

4. 简化建模流程（更推荐）

无需手动生成虚拟变量，用factor(month)让lm自动处理：

# 直接用因子型月份建模
fit <- lm(f1value ~ factor(month), data = df)

# 计算季节性调整值
df <- df %>%
  mutate(
    # 提取季节性效应：拟合值减去基准组均值（截距项）
    season_effect = predict(fit) - coef(fit)[1],
    f1val_season_adj = f1value - season_effect
  )

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