Fable包不同配置TSLM模型输出相同预测结果问题求助

数据老陈

2026-9-27

测试集预测变量转换后存在缺失值：你模型中所有额外解释变量都做了log()转换，若测试集内的ig_count_imptd、prd_1至prd_4、prd_glmnet存在小于等于0的取值，转换后会生成NaN。fable的forecast()方法遇到缺失的解释变量时，会自动仅使用无缺失的变量（即本案例中的trend()项）生成预测，因此所有模型的输出都会和trend_only模型完全一致。
验证方法：运行以下代码检查转换后是否存在缺失值：
```
test %>% 
  mutate(across(c(ig_count_imptd, prd_1, prd_2, prd_3, prd_4, prd_glmnet), ~log(.x))) %>% 
  is.na() %>% 
  sum()
```
若返回结果大于0即可确认是该问题。
预测变量与趋势项完全共线性：如果你的prd系列变量本身就是时间趋势的线性函数，那么trend() + log(prd_x)的线性组合和仅trend()的线性组合在预测时完全等价，即使模型系数估计值不同，最终生成的预测值也会完全一致。
验证方法：对训练集的每个prd变量拟合TSLM(log(prd_x) ~ trend())，查看拟合优度R²是否接近1。
变量名匹配错误：检查test数据框中的预测变量列名是否和训练集完全一致，有没有拼写错误、大小写差异，如果列名不匹配，forecast()会找不到对应的解释变量，同样会仅用trend项做预测。