我来帮你排查这个问题，报错的根源主要有两个关键点：

1. 错误传入了模型组件而非完整模型对象 #

你最后一行代码写的是predict(model$model, na.ahead=10)，但这里的model$model并不是ARIMA模型的完整可预测对象——arima()函数返回的是一个**"Arima"类**的模型实例（也就是你赋值的model变量），而model$model只是这个实例里的一个内部组件，不能直接用来调用预测。

正确的调用方式应该直接传入完整的model对象，同时注意参数名是n.ahead（虽然R支持部分匹配，但用标准参数名更稳妥）：

p = predict(model, n.ahead=10)

2. 推荐将数据转换为时间序列对象（可选但更规范） #

虽然arima()可以处理普通数值向量，但部分时间序列相关函数（包括predict的底层分支）会要求输入是ts类的时间序列对象。你可以把respNA转换成标准时间序列：

# 转换为时间序列，假设数据按时间间隔1采样，起始时间可自行调整
respNA_ts = ts(respNA, frequency = 1)
# 重新拟合模型
model = arima(respNA_ts, order = c(0,0,1), include.mean = FALSE)
# 执行预测
p = predict(model, n.ahead=10)

快速验证小技巧 #

你可以先运行class(model)，它应该返回"Arima"；而class(model$model)会返回普通列表类型，这就明确说明了后者不能直接用于预测。

另外，print(respNA)能输出内容仅代表它是一个非空向量，但不代表它符合时间序列函数的类型要求哦。

内容的提问来源于stack exchange，提问作者Alice