运行函数时出错：eval 中的错误（expr，envir，enclos）：找不到对象答案

【问题标题】：Error running a function: Error in eval(expr, envir, enclos) : object not found运行函数时出错：eval 中的错误（expr，envir，enclos）：找不到对象
【发布时间】：2023-03-27 15:00:01
【问题描述】：

我写了一个函数，每次运行都会报这个错误：

eval(expr, envir, enclos) 中的错误：找不到对象 'y'

但是，如果我通过我的函数并分别运行每一行，它就可以工作。我究竟做错了什么？这是我的数据：

library(vars)
library(forecast)
data <- ts(matrix(rnorm(144, mean=0, sd=1), ncol=6), start=c(2007,1), frequency=12) 
colnames(data) <- c("a", "b", "c", "d", "e", "f")
factors <- ts(t(t(eigen(cor(data))$vectors[,1:2] %*% 
                       sqrt(diag(eigen(cor(data))$values[1:2]))) %*% 
                     t(scale(data))), start=c(2007,1), frequency=12)
colnames(factors) <- c("f1", "f2")

还有我的功能：

prediction.flex <- function(x, y){
  model <- VAR(x, exogen=y, type="const", ic="FPE")
  factor.fcst <- sapply(y, function(z) predict(auto.arima(z), n.ahead=6))[1,]
  factor.fcst <- cbind(factor.fcst$f1, factor.fcst$f2)
  colnames(factor.fcst) <- colnames(y)
  forecasting <- predict(model, dumvar=factor.fcst, n.ahead=6, ci=0.95)$fcst$a[,1]
  return(forecasting)
}

正如我所说，当使用x=data 和y=factors 分别运行每一行时，我得到的预测值没有错误。但是，如果我使用prediction.flex(data, factors) 运行我的函数，它会告诉我找不到对象 y。使用调试重新运行表明预测线是问题所在，即使我只是在其中使用了我在函数期间生成的对象。我不明白这个错误。你知道我的错误在哪里吗？

【问题讨论】：

对不起@Pascal。 VAR 来自包vars。
当我用你的例子运行你的代码时，forecasting 是NULL。
@Pascal：我编辑了它。现在可以用了吗？
@Pascal：不，我仍然得到错误。
很高兴知道@Pascal。这真的很奇怪。我仍然得到错误。即使vars 和forecast 包是我加载的唯一一个。

标签： r function

【解决方案1】：

这是一种可能的解决方法，将y 分配给全局环境：

library(vars)
library(forecast)

set.seed(42)
data <- ts(matrix(rnorm(144, mean=0, sd=1), ncol=6), start=c(2007,1), frequency=12) 
colnames(data) <- c("a", "b", "c", "d", "e", "f")
factors <- ts(t(t(eigen(cor(data))$vectors[,1:2] %*% 
                       sqrt(diag(eigen(cor(data))$values[1:2]))) %*% 
                     t(scale(data))), start=c(2007,1), frequency=12)
colnames(factors) <- c("f1", "f2")
prediction.flex <- function(x, y){
  model <- VAR(x, exogen=y, type="const", ic="FPE")
  # Assigning "y" to the global environment
  assign("y", "y", envir = .GlobalEnv)
  factor.fcst <- sapply(y, function(z) predict(auto.arima(z), n.ahead=6))[1,]
  factor.fcst <- cbind(factor.fcst$f1, factor.fcst$f2)
  colnames(factor.fcst) <- colnames(y)
  forecasting <- predict(model, dumvar=factor.fcst, n.ahead=6, ci=0.95)$fcst$a[,1]
  return(forecasting)
}
out1 <- prediction.flex(data, factors)

x <- data
y <- factors
model <- VAR(x, exogen=y, type="const", ic="FPE")
factor.fcst <- sapply(y, function(z) predict(auto.arima(z), n.ahead=6))[1,]
factor.fcst <- cbind(factor.fcst$f1, factor.fcst$f2)
colnames(factor.fcst) <- colnames(y)
out2 <- predict(model, dumvar=factor.fcst, n.ahead=6, ci=0.95)$fcst$a[,1]

all.equal(out1, out2)
# [1] TRUE

【讨论】：