使用BayesARIMAX建模后predict报错object 'X' not found如何解决

• BayesARIMAX包的predict方法存在实现缺陷：函数内部硬编码从全局环境查找名为X的训练用外生变量对象，而不是从已拟合的模型结果中提取该数据，因此当你训练模型时传入的外生变量没有被命名为全局环境下的X时，就会触发找不到对象的报错。
• 你的代码还存在三处隐藏问题：
  1. number.row <- dim(merge.data)[1] 中merge.data对象未定义，会导致训练集、测试集拆分逻辑出错
  2. 预测时传入的newxreg = x[1:3]是训练集前3个外生变量值，不符合预测逻辑，应该传入预测期对应的新外生变量值
  3. 你调用predict时取bayes_arima_model[[1]]，如果test_function正常收敛返回模型，不需要加[[1]]索引，只有当递归重试时才可能返回嵌套结构，需要先判断返回结果结构。

按以下步骤修改代码即可解决报错：

1. 先修正训练集拆分的错误，把merge.data替换为你实际使用的数据集对象，此处如果仅用GDP数据和你生成的x变量，直接替换为gdp即可
2. 在调用predict函数前，新增一行代码将训练用外生变量赋值给全局环境的X
3. 修正newxreg的取值，传入你预测步长对应的外生变量值

修改后的核心代码片段：

# 修正训练集拆分逻辑
number.row <- dim(gdp)[1]
gdp.train <- gdp[1:train.row]
gdp.test <- gdp[(train.row+1):number.row]
date.test <- date.q[(train.row+1):number.row]

# 其余代码不变，训练模型完成后，调用predict前新增以下代码
X <- x # 匹配包predict函数内部硬编码的变量名
# 假设你要预测3步，准备好对应3个新的外生变量值，这里示例用随机数代替，你替换为实际值
new_x = rnorm(3,4,1)
# 调用predict，根据返回的模型结构调整是否加[[1]]
bayes_arima_pred <- xts(predict(bayes_arima_model, newxreg = new_x)$pred, date.test[1:3])

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