Home Articles

多个组内的滚动窗口回归

Asked
Viewed 861 times
2

我正在尝试将滚动窗口回归模型应用于我的数据中的多个组 . 部分数据如下:

gvkey year          LC      YTO
1   001004 1972   0.1919713 2.021182
2   001004 1973   0.2275895 2.029056
3   001004 1974   0.3341368 2.053517
4   001004 1975   0.3313518 2.090532
5   001004 1976   0.4005829 2.136939
6   001004 1977   0.4471945 2.123909
7   001004 1978   0.4442004 2.150281
8   001004 1979   0.5054544 2.173162
9   001004 1980   0.5269449 2.188077
10  001004 1981   0.5423774 2.200805
11  001004 1982   0.3528982 2.200851
12  001004 1983   0.3674031 2.190487
13  001004 1984   0.2267620 2.181291
14  001004 1985   0.2796132 2.159443
15  001004 1986   0.3382120 2.128420
16  001004 1987   0.3214131 2.089670
17  001004 1988   0.3883732 2.048279
18  001004 1989   0.4466488 1.999539
19  001004 1990   0.4929991 1.955500
20  001004 1991   0.5150894 1.934893
21  001004 1992   0.5218845 1.925521
22  001004 1993   0.5038105 1.904241
23  001004 1994   0.5041639 1.881731
24  001004 1995   0.5196658 1.863143
25  001004 1996   0.5352994 1.844464
26  001004 1997   0.4556059 1.835676
27  001004 1998   0.4905767 1.837886
28  001004 1999   0.5471959 1.824636
29  001004 2000   0.5920976 1.814944
30  001004 2001   0.5998172 1.893943
31  001004 2002   0.4499911 1.889703
32  001004 2003   0.4207154 1.870703
33  001004 2004   0.4371594 1.831638
34  001004 2005   0.4525900 1.802684
35  001004 2006   0.4342149 1.781757
36  001004 2007   0.4899473 1.753360
37  001004 2008   0.5436673 1.680464
38  001004 2009   0.5873861 1.612499
39  001004 2010   0.5216734 1.544322
40  001004 2011   0.5592963 1.415892
41  001004 2012   0.5627509 1.407393
42  001004 2013   0.5904637 1.384202
43  001004 2014   0.6170085 1.353340
44  001004 2015   0.7145900 1.314014
45  001007 1975   0.3721916 2.090532
46  001007 1976   0.2760902 2.136939
47  001007 1977   0.1866554 2.123909
48  001007 1978   0.1977654 2.150281
49  001007 1979   0.1927100 2.173162
50  001007 1980   0.2112344 2.188077
51  001007 1981  -0.2141724 2.200805
52  001007 1982  -0.2072785 2.200851
53  001007 1983  -1.7406963 2.190487
54  001007 1984 -14.8071429 2.181291
55  001009 1982  -1.2753247 2.200851
56  001009 1983   1.3349904 2.190487
57  001009 1984   2.6192237 2.181291
58  001009 1985   0.5867925 2.159443
59  001009 1986   0.6959436 2.128420
60  001009 1987   0.7142857 2.089670
61  001009 1988   0.7771897 2.048279
62  001009 1989   0.8293820 1.999539
63  001009 1990   0.8655382 1.955500
64  001009 1991   0.8712144 1.934893
65  001009 1992   0.8882548 1.925521
66  001009 1993   0.9190540 1.904241
67  001009 1994   0.9411806 1.881731
68  001010 1971   0.6492499 2.002337
69  001010 1972   0.6667664 2.021182
70  001010 1973   0.6840115 2.029056
71  001010 1974   0.7011797 2.053517
72  001010 1975   0.7189469 2.090532
73  001010 1976   0.7367344 2.136939
74  001010 1977   0.7511779 2.123909
75  001010 1978   0.7673365 2.150281
76  001010 1979   0.7795880 2.173162
77  001010 1980   0.7824448 2.188077
78  001010 1981   0.7821913 2.200805
79  001010 1982   0.7646078 2.200851
80  001010 1983   0.7426172 2.190487
81  001010 1984  -0.0657935 2.181291
82  001010 1985   0.2802410 2.159443
83  001010 1986   0.2052373 2.128420
84  001010 1987   0.2465290 2.089670
85  001010 1988   0.3437856 2.048279
86  001010 1989   0.7398662 1.999539
87  001010 1990   0.6360582 1.955500
88  001010 1991   0.7790707 1.934893
89  001010 1992   0.7588472 1.925521
90  001010 1993   0.7695341 1.904241
91  001010 1994   0.8060759 1.881731
92  001010 1995   0.8381234 1.863143
93  001010 1996   0.8661541 1.844464
94  001010 1997   0.8700456 1.835676
95  001010 1998   0.8748443 1.837886
96  001010 1999   0.8884077 1.824636
97  001010 2000   0.8979903 1.814944
98  001010 2003   0.6812689 1.870703
99  001011 1983   0.3043007 2.190487
100 001011 1984   0.3080601 2.181291

我的功能是

Match.LC.YTO<-function(x){rollapplyr(x,width=10,by.column=F,fill=NA, FUN=function(m){
  temp.1<-lm(LC~YTO,data=m)
  summary(temp.1)$r.squared*(sign(summary(temp.1)$coefficients[2,1]))
})}

df<-df%>%group_by(gvkey)%>%mutate(MTCH=Match.LC.YTO(df))

我的数据按gvkey分组,对于每个组,我需要计算一个名为"MTCH"的变量,它等于R平方值乘以线性模型 LC~YTO 中YTO系数的符号,并在10个观测值的滚动窗口估算模型 . 我收到了错误消息:

Error in mutate_impl(.data, dots) : 
  'data' must be a data.frame, not a matrix or an array

我已经检查了许多关于rollapply和rollapplyr函数的其他帖子,有些人建议我在使用rollapply函数之前需要将我的df转换为zoo或matrix,但它仍然无效 .

1 Answer

  • 3

    动物园中的 rollapply 将接受普通矩阵和数据框参数 . 那不是问题 . 以下是此代码的问题:

    • 代码将矩阵传递给 lmlm 传递data.frame

    • 代码尝试在最后一组中少于10行的对象上使用宽度为10的 rollapply

    • 如果截距完全吻合,则 lm 将没有第二个系数,因此对 coefficients[2, 1] 的引用将失败并显示错误 .

    虽然没有错误,但以下是需要改进的地方:

    • TRUEFALSE 应该全部写出,因为 TF 是有效的变量名称,这使得这非常容易出错 .

    • 在dplyr中使用 group_by 时始终将其与 ungroup 匹配 . 如果你不这样做那么输出将记住分组,下次你使用输出你会得到一个惊喜 . 例如,考虑以下两个片段之间的差异 . 第一个结果是 n 是该行所属的组中的元素数,而第二个结果是 nout 中的行数 .

    out <- df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO))
    out %>% mutate(n = n())
    
    out <- df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO)) %>% ungroup
    out %>% mutate(n = n())
    

    对SO的

    • 问题应该是独立的和可重复的,因此不应该省略 library 语句,并且应该以可重复的方式提供数据

    为了解决这些问题我们

    • rollapply 中使用 partial = TRUE 允许它传递少于10行的对象 .

    • 直接传递涉及的变量

    行号上方

    • rollapply .

    如果系数向量另外只有1个元素,则

    • NA 添加到要拾取的系数的末尾 .

    • 为清楚起见,我们已经分离出了问题中匿名的 lm_summary 函数

    • for reproduciblity我们在最后添加了 library 语句和注释

    修订后的代码是:

    library(dplyr)
    library(zoo)
    
    Match.LC.YTO <- function(LC, YTO) {
    
       lm_summary <- function(ix) {
          temp.1 <- lm(LC ~ YTO, subset = ix)
          summary(temp.1)$r.squared * sign(c(coef(temp.1), NA)[2])
       }
    
       rollapplyr(seq_along(LC), width = 10, FUN = lm_summary, partial = TRUE)
    }
    
    df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO)) %>% ungroup
    

    如果您更愿意使用 partial = TRUEpartial = TRUE ,则添加一个系列长度小于系列宽度的检查,即小于10:

    Match.LC.YTO2 <- function(LC, YTO) {
    
       lm_summary <- function(ix) {
          temp.1 <- lm(LC ~ YTO, subset = ix)
          summary(temp.1)$r.squared * sign(c(coef(temp.1), NA)[2])
       }
    
      if (length(LC) < 10) return(NA) ##
      rollapplyr(seq_along(LC), width = 10, FUN = lm_summary, fill = NA)
    }
    
    df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO2(LC, YTO)) %>% ungroup
    

    注1

    为了再现性,我们使用它作为输入 df

    Lines <- "     gvkey year          LC      YTO
    1   001004 1972   0.1919713 2.021182
    2   001004 1973   0.2275895 2.029056
    3   001004 1974   0.3341368 2.053517
    4   001004 1975   0.3313518 2.090532
    5   001004 1976   0.4005829 2.136939
    6   001004 1977   0.4471945 2.123909
    7   001004 1978   0.4442004 2.150281
    8   001004 1979   0.5054544 2.173162
    9   001004 1980   0.5269449 2.188077
    10  001004 1981   0.5423774 2.200805
    11  001004 1982   0.3528982 2.200851
    12  001004 1983   0.3674031 2.190487
    13  001004 1984   0.2267620 2.181291
    14  001004 1985   0.2796132 2.159443
    15  001004 1986   0.3382120 2.128420
    16  001004 1987   0.3214131 2.089670
    17  001004 1988   0.3883732 2.048279
    18  001004 1989   0.4466488 1.999539
    19  001004 1990   0.4929991 1.955500
    20  001004 1991   0.5150894 1.934893
    21  001004 1992   0.5218845 1.925521
    22  001004 1993   0.5038105 1.904241
    23  001004 1994   0.5041639 1.881731
    24  001004 1995   0.5196658 1.863143
    25  001004 1996   0.5352994 1.844464
    26  001004 1997   0.4556059 1.835676
    27  001004 1998   0.4905767 1.837886
    28  001004 1999   0.5471959 1.824636
    29  001004 2000   0.5920976 1.814944
    30  001004 2001   0.5998172 1.893943
    31  001004 2002   0.4499911 1.889703
    32  001004 2003   0.4207154 1.870703
    33  001004 2004   0.4371594 1.831638
    34  001004 2005   0.4525900 1.802684
    35  001004 2006   0.4342149 1.781757
    36  001004 2007   0.4899473 1.753360
    37  001004 2008   0.5436673 1.680464
    38  001004 2009   0.5873861 1.612499
    39  001004 2010   0.5216734 1.544322
    40  001004 2011   0.5592963 1.415892
    41  001004 2012   0.5627509 1.407393
    42  001004 2013   0.5904637 1.384202
    43  001004 2014   0.6170085 1.353340
    44  001004 2015   0.7145900 1.314014
    45  001007 1975   0.3721916 2.090532
    46  001007 1976   0.2760902 2.136939
    47  001007 1977   0.1866554 2.123909
    48  001007 1978   0.1977654 2.150281
    49  001007 1979   0.1927100 2.173162
    50  001007 1980   0.2112344 2.188077
    51  001007 1981  -0.2141724 2.200805
    52  001007 1982  -0.2072785 2.200851
    53  001007 1983  -1.7406963 2.190487
    54  001007 1984 -14.8071429 2.181291
    55  001009 1982  -1.2753247 2.200851
    56  001009 1983   1.3349904 2.190487
    57  001009 1984   2.6192237 2.181291
    58  001009 1985   0.5867925 2.159443
    59  001009 1986   0.6959436 2.128420
    60  001009 1987   0.7142857 2.089670
    61  001009 1988   0.7771897 2.048279
    62  001009 1989   0.8293820 1.999539
    63  001009 1990   0.8655382 1.955500
    64  001009 1991   0.8712144 1.934893
    65  001009 1992   0.8882548 1.925521
    66  001009 1993   0.9190540 1.904241
    67  001009 1994   0.9411806 1.881731
    68  001010 1971   0.6492499 2.002337
    69  001010 1972   0.6667664 2.021182
    70  001010 1973   0.6840115 2.029056
    71  001010 1974   0.7011797 2.053517
    72  001010 1975   0.7189469 2.090532
    73  001010 1976   0.7367344 2.136939
    74  001010 1977   0.7511779 2.123909
    75  001010 1978   0.7673365 2.150281
    76  001010 1979   0.7795880 2.173162
    77  001010 1980   0.7824448 2.188077
    78  001010 1981   0.7821913 2.200805
    79  001010 1982   0.7646078 2.200851
    80  001010 1983   0.7426172 2.190487
    81  001010 1984  -0.0657935 2.181291
    82  001010 1985   0.2802410 2.159443
    83  001010 1986   0.2052373 2.128420
    84  001010 1987   0.2465290 2.089670
    85  001010 1988   0.3437856 2.048279
    86  001010 1989   0.7398662 1.999539
    87  001010 1990   0.6360582 1.955500
    88  001010 1991   0.7790707 1.934893
    89  001010 1992   0.7588472 1.925521
    90  001010 1993   0.7695341 1.904241
    91  001010 1994   0.8060759 1.881731
    92  001010 1995   0.8381234 1.863143
    93  001010 1996   0.8661541 1.844464
    94  001010 1997   0.8700456 1.835676
    95  001010 1998   0.8748443 1.837886
    96  001010 1999   0.8884077 1.824636
    97  001010 2000   0.8979903 1.814944
    98  001010 2003   0.6812689 1.870703
    99  001011 1983   0.3043007 2.190487
    100 001011 1984   0.3080601 2.181291"
    
    df <- read.table(text = Lines)
    

    注2

    由于动物园的最新版本会自动进行此检查,因此不再需要检查末尾标有##的行中的长度 .

Related