R语言SSM状态空间模型协变量预测报错求助

第一个报错原因与解决方向 #

Model contains time varying system matrices, cannot use argument 'n.ahead'. Use 'newdata' instead.

你的模型包含SSMregression模块，协变量energy_tr是随时间变化的序列，导致系统矩阵具有时变性。n.ahead参数仅适用于系统矩阵固定的模型（如纯趋势/季节模型），时变矩阵的预测必须通过newdata传入未来的协变量数据，这是框架的硬性要求。

第二个报错原因与修正方案 #

System matrices (excluding Z) contain NA or infinite values, covariance matrices contain values larger than 1e+07

你创建newdata时，重新将所有模型参数（Q、H等）设为NA，但训练好的model_ssm已经包含了估计完成的参数值。newdata不需要重新声明模型结构和待估参数，只需传入未来的协变量和占位用的NA因变量即可，否则系统会因参数缺失报错。

修正后的代码示例 #

1. 测试集模型性能评估

假设测试集协变量为energy_te，长度与y_test一致：

# 构造测试集newdata，复用训练模型的参数
newdata_test <- SSModel(rep(NA, length(y_test)) ~ 
                          SSMtrend(2, Q = model_ssm$Q) + 
                          SSMregression(~ energy_te, Q = model_ssm$Q[3:3, 3:3]) + 
                          SSMseasonal(period = 12, sea.type = "dummy", Q = model_ssm$Q[4:15, 4:15]), 
                        H = model_ssm$H)

# 生成测试集预测结果
pred_test <- predict(model_ssm, interval = "prediction", level = 0.90, newdata = newdata_test, filtered = TRUE)

# 计算评估指标（MAE、RMSE）
mae <- mean(abs(y_test - pred_test$fit))
rmse <- sqrt(mean((y_test - pred_test$fit)^2))

2. 不同场景的未来销售预测

针对未来场景（如通胀下降对应的协变量序列）：

scenario <- read_excel("path")
energy_new <- log(scenario$energy_basecase)  # 场景对应的协变量序列

# 构造场景预测的newdata，复用训练好的模型参数
newdata_scenario <- SSModel(rep(NA, length(energy_new)) ~ 
                              SSMtrend(2, Q = model_ssm$Q) + 
                              SSMregression(~ energy_new, Q = model_ssm$Q[3:3, 3:3]) + 
                              SSMseasonal(period = 12, sea.type = "dummy", Q = model_ssm$Q[4:15, 4:15]), 
                            H = model_ssm$H)

# 生成场景下的销售预测
pred_scenario <- predict(model_ssm, interval = "prediction", level = 0.90, newdata = newdata_scenario, filtered = TRUE)

关键注意事项 #

• newdata的模型结构（趋势阶数、季节周期、回归项数量）必须与训练模型完全一致，否则会出现维度不匹配错误。
• model_ssm$Q是训练后得到的状态协方差矩阵，按顺序对应：趋势项（前2x2）、回归项（第3行/列）、季节项（剩余12x12），提取时需注意索引正确。若不确定维度，可先用dim(model_ssm$Q)查看。

内容的提问来源于stack exchange，提问作者SannedeHaan2000