使用fable::refit(reestimate=FALSE)时常数项系数变化的原因及解决方法

问题原因分析 #

当调用fable::refit(m, reestimate=FALSE)时常数项出现异常变化，是因为AR模型在fable中的参数化特性：你指定的AR(value ~ 1 + order(3))里，常数项并非直接截距，而是均值参数的变换形式（数学关系为 mu = constant / (1 - ar1 - ar2 - ar3)）。当设置reestimate=FALSE固定AR系数时，函数会基于新数据重新求解常数项以匹配均值，这就导致了常数项的异常波动——这是当前fable版本（0.3.1）的预期行为，但不符合“完全固定所有参数”的需求。

正确的新数据估计方法 #

若要将训练好的模型应用到新数据获取估计值，无需使用refit，以下两种方法更直接：

方法1：用augment()获取拟合值 #

针对已有历史新数据，直接用augment()加载模型和新数据，完全沿用原模型参数计算拟合值：

# 对女性死亡数据应用男性模型，得到拟合结果
augment(fit, new_data = lung_deaths_female)

方法2：用forecast()获取预测/拟合值 #

如果需要对未观测数据做预测，或对历史新数据生成拟合结果，forecast()同样会保留原模型所有参数：

# 对女性死亡数据生成拟合/预测结果
forecast(fit, new_data = lung_deaths_female)

手动验证参数（可选） #

若要确认参数完全固定，可提取原模型系数后手动计算：

# 提取原模型系数
coefs <- coef(fit)
# 手动计算AR(3)模型的拟合值
lung_deaths_female %>%
  mutate(
    fit = coefs$constant + 
          coefs$ar1 * lag(value, 1) + 
          coefs$ar2 * lag(value, 2) + 
          coefs$ar3 * lag(value, 3)
  )

关于refit(reestimate=FALSE)的补充说明 #

该函数的设计目标是固定部分参数、重新估计其余参数，并非完全冻结所有参数。对于带均值的AR模型，常数项与AR系数存在数学依赖关系，固定AR系数后重新计算常数项是函数的既定逻辑，但这显然不适合你“直接复用全参数”的场景。

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