tsibble多输入场景下new_transformation与ARIMA协同失效问题求助

问题出在你把带双参数的转换函数直接写在响应变量位置，模型将其识别为新的序列名称，而非对原Takings变量的转换处理。在fpp3框架中，带额外参数的自定义转换需要通过模型的transformation参数指定，不能直接包裹响应变量。

修正后的代码如下：

library(fpp3)

# 定义CPI调整的转换与反转换函数，保留cpi参数
cpi_adj <- function(data, cpi) {
  data / cpi * 100
}

cpi_unadj <- function(data, cpi) {
  data * cpi / 100
}

# 创建转换对象
cpi_trans <- new_transformation(cpi_adj, cpi_unadj)

# 建模时通过transformation参数指定转换，并传递数据中的CPI列作为参数
aus_acc_fit <- aus_accommodation %>% 
  model(ARIMA(Takings ~ trend(knots = yearquarter("2008 Q1")) + season(),
              transformation = cpi_trans(cpi = CPI)))

# 查看维多利亚州的模型报告
aus_acc_fit %>% 
  filter(State == "Victoria") %>%
  report()

修正说明 #

• 把转换逻辑从响应变量位置移到ARIMA()的transformation参数中，明确告知模型这是对Takings的转换操作
• 通过cpi_trans(cpi = CPI)将数据中的CPI列作为参数传入转换函数，确保每个观测值使用对应季度的CPI进行调整
• 修正后模型摘要的Series会显示为Takings，而非转换函数表达式；同时预测时会自动应用反转换，直接得到原始尺度的营业额预测结果

内容的提问来源于stack exchange，提问作者Matt R