多个组内的滚动窗口回归

1 回答

• 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 lm 但 lm 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：

  • TRUE 和 FALSE 应该全部写出，因为 T 和 F 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 n 是 out 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

  • 在 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

  • 将 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 = TRUE 的 partial = 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 .

  回复于 2024-04-23T14:13:35+08:00