R中adf.test报错‘wrong embedding dimension’的原因及解决方法

我来帮你拆解这个问题，一步步解决：

错误含义 #

这个错误是tseries包的adf.test()函数抛出的，直白来说就是：你输入的时间序列样本量太小，根本没法做ADF检验。函数内部有个硬检查，如果样本量小于3，就会直接抛出这个错误。

产生原因 #

看你的timeseries数据，分组后存在样本量严重不足的组：比如client=11683且stuff="00564СМР- Магнит ТС"的分组，只有1条Sales记录。当dplyr遍历到这个分组时，调用adf.test()就触发了样本量不足的检查，直接报错终止了整个操作。

另外还有个小优化点：你在summarise里两次调用adf.test(Sales)，这会对同一个组重复运行检验，完全没必要，既浪费算力也不优雅。

修正方案 #

我们需要先过滤掉样本量不够的分组，再对有效分组执行一次ADF检验并提取结果：

完整修正代码 #

library("tseries")
library(dplyr)
library(purrr) # 用pluck函数更方便提取结果

# 先过滤样本量≥10的分组（10是经验值，保证ADF结果可靠，至少要≥3）
timeseries %>%
  group_by(client, stuff) %>%
  filter(n() >= 10) %>% # 过滤小样本
  summarise(
    adf_result = list(adf.test(Sales)), # 每个组只跑一次检验
    adf_statistic = pluck(adf_result, 1, "statistic"),
    adf_p_value = pluck(adf_result, 1, "p.value")
  )

代码说明 #

1. 过滤小样本：用filter(n() >= 10)筛选出至少有10个观测值的分组，如果你只是想满足函数的最低要求，可以改成n() >=3，但小样本的ADF检验结果参考价值很低，建议用10作为阈值。
2. 单次检验调用：用list(adf.test(Sales))把每个组的检验结果存成列表，然后用purrr::pluck()从结果对象里提取统计量和p值，避免重复运行检验。
3. 结果解读：如果adf_p_value小于显著性水平（比如0.05），就可以拒绝原假设，认为该时间序列是平稳的；反之则无法拒绝原假设，序列可能存在单位根（非平稳）。

内容的提问来源于stack exchange，提问作者psysky