R /滚动回归与扩展数据框架-Java 学习之路

你好我正在使用以下代码进行回归分析：

for (i in 1:ncol(Ret1)){
  r2.out[i]=summary(lm(Ret1[,1]~Ret1[,i]))$r.squared 
} 
r2.out

此代码对第一列中的数据框中的每列运行简单的OLS回归，并提供这些回归的R ^ 2 . At the Moment 回归使用列的所有数据点 . What I Need 现在是代码而不是使用列中的所有数据点只使用数据点的滚动窗口 . 所以他计算了整个时间框架内30天R ^ 2的滚动窗口 . 输出是矩阵，每个（1，i）对的每个滚动窗口具有所有R ^ 2 .

此代码执行滚动回归部分，但不对每个（1，i）对进行回归 .

dolm <- function(x) summary(lm(Ret1[,1]~Ret1[,i]))$r.squared 
        rollapplyr(Ret1, 30, dolm, by.column = FALSE)

我非常感谢您提供的任何帮助 .

1 回答

1
使用内置的 anscombe 数据框，我们针对 x1 然后 x2 等回退 y1 列 . 为了说明的目的，我们在这里使用宽度3 .

xnames 应设置为x变量的名称 . 在 anscombe 数据集中，以 x 开头的列名是x变量 . 作为另一个示例，如果除了第一列之外的所有列都是x变量，则可以使用 xnames <- names(DF)[-1] .

我们定义一个R平方函数 rsq ，它使用索引， ix 和x变量名 xname . 然后我们在 xnames 上 sapply ，在 1:n 上的每一个 rollapply .
```
library(zoo)

xnames <- grep("x", names(anscombe), value = TRUE)
n <- nrow(anscombe)
w <- 3
rsq <- function(ix, xname) summary(lm(y1 ~., anscombe[c("y1", xname)], subset = ix))$r.sq
sapply(xnames, function(xname) rollapply(1:n, w, rsq, xname = xname ))
```
通过长度给出以下维度n - w 1的结果（xnames）：
```
x1           x2           x3        x4
 [1,] 2.285384e-01 2.285384e-01 2.285384e-01 0.0000000
 [2,] 3.591782e-05 3.591782e-05 3.591782e-05 0.0000000
 [3,] 9.841920e-01 9.841920e-01 9.841920e-01 0.0000000
 [4,] 5.857410e-01 5.857410e-01 5.857410e-01 0.0000000
 [5,] 9.351609e-01 9.351609e-01 9.351609e-01 0.0000000
 [6,] 8.760332e-01 8.760332e-01 8.760332e-01 0.7724447
 [7,] 9.494869e-01 9.494869e-01 9.494869e-01 0.7015512
 [8,] 9.107256e-01 9.107256e-01 9.107256e-01 0.3192194
 [9,] 8.385510e-01 8.385510e-01 8.385510e-01 0.0000000
```
Variations

1）也可以通过以下方式反转 rollapply 和 sapply 替换最后一行代码的顺序：
```
rollapply(1:n, 3, function(ix) sapply(xnames, rsq, ix = ix))
```
2）另一种变化是用以下单个语句替换 rsq 和sapply / rollapply行的定义 . 它可能有点难以阅读，所以你可能更喜欢第一个解决方案，但它确实需要一个简化 - 即， xname 不再需要内部匿名函数的显式参数（取代上面的 rsq ）：
```
sapply(xnames, function(xname) rollapply(1:n, 3, function(ix) 
    summary(lm(y1 ~., anscombe[c("y1", xname)], subset = ix))$r.sq))
```
Update: 有固定的线路，现在 n <- nrow(anscombe)
回复于 2024-04-27T10:16:43+08:00

R /滚动回归与扩展数据框架

1 回答

相关问题