使用fable包ARIMA模型bootstrap预测返回全NA的问题求助

问题核心原因 #

出现全NA结果主要有两个关键问题：

1. 原代码中time变量的起始值start未定义，导致时间序列的索引结构异常，影响模型拟合与预测的残差重采样逻辑；
2. 测试数据集test_scenarios中不需要提前提供y值（它是待预测的目标变量），多余的y列会干扰bootstrap过程中残差的重采样映射。

此外，当bootstrap=TRUE时，fable需要从模型拟合产生的残差中重采样生成预测分布，若残差无法被正确提取（比如模型拟合异常），也会返回NA。

修正后的可复现代码 #

library(fable)
library(tsibble)
library(lubridate)
library(dplyr)

# 正确定义时间起始点
key <- c('A', 'B', 'C')
start <- ymd("2023-01-01")
time <- seq(start, by = 1, length.out = 15)

set.seed(123)

# 构造训练数据集并转换为tsibble格式
targets <- expand.grid(time = time, key = key) %>%
  mutate(x = sort(runif(45, 0, 30)),
         y = sort(runif(45, 0, 30))) %>%
  as_tsibble(key = 'key', index = 'time')

# 拟合带外部回归项的ARIMA模型
ARIMA_model <- targets %>%
  model(ARIMA(y ~ x))

# 构造测试数据集：仅保留时间、分组和预测变量x，无需y
test_scenarios <- expand.grid(time = seq(start + days(16), by = 1, length.out = 15), 
                              key = key) %>%
  mutate(x = sort(runif(45, 0, 30))) %>%
  as_tsibble(key = 'key', index = 'time')

# 执行bootstrap预测
bootstrap_forecast <- ARIMA_model %>%
  forecast(new_data = test_scenarios, bootstrap = TRUE)

# 查看预测结果
head(bootstrap_forecast)

关键修正细节 #

• 为start赋值具体日期，确保时间序列索引有效，符合tsibble的格式要求；
• 移除测试数据中的y列，避免干扰预测逻辑；
• 确保训练数据的tsibble结构正确，分组（key）和时间索引（time）无异常。

额外排查方向 #

如果仍出现NA，可检查以下内容：

• 模型拟合状态：用report(ARIMA_model)查看每个分组的模型参数，确认无拟合失败的情况；
• 残差完整性：用augment(ARIMA_model)查看.resid列，确保没有大量NA；
• 调整bootstrap样本量：通过times参数指定重采样次数（如bootstrap = TRUE, times = 100）。

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