使用 NA 值循环滚动窗口回归答案

【问题标题】：Looping a rolling-window regression with a NA values使用 NA 值循环滚动窗口回归
【发布时间】：2020-08-25 04:07:41
【问题描述】：

这里有一个 R 编程问题。

所以我尝试运行多个滚动窗口回归并保存每个回归的 beta。在我给定的示例中，我想对前 5 个 obs 在 X1 上回归 Y。然后保存 beta（斜率系数）。然后运行下一个 5（所以第 2 行到第 6 行）并保存下一个测试版。对于不同的 X 值，我想这样做三遍。我的数据如下所示：

Row Y X1 X2 X3 
 1  1  2  3  NA
 2  1  3  5  NA
 3  1  4  6  NA
 4  2  4  6  4
 5  3  3  4  8
 6  4  4  6  7 
 7  3  5  5  3
 8  5  4  6  7

我试图运行的代码是一个循环，如下：

#Rows equals the number of rows in my obs matrix.
for (j in 1:3) {
  for (i in 1:(Rows-4)) {
    Model<- lm(data[((i+0):(4+i)),1] ~ data[((i+0):(4+i)),j])
    betas[i,j] <- coefficients(Model)[2]
  }
}

问题是我的 beta 矩阵只给了我 X3 的第三列的 NA。所以我得到的是：


Row X1     X2   X3 
 1  coef  coef  NA
 2  coef  coef  NA
 3  coef  coef  NA
 4  coef  coef  NA

但是，我想得到的是以下几点：

#my beta matrix looks like this

Row X1     X2   X3 
 1  coef  coef  NA
 2  coef  coef  NA
 3  coef  coef  NA
 4  coef  coef  coef

换句话说，因为最后一列 (X3) 有一些初始 NA，所以即使它正在回归的窗口没有 NA，它也会为所有未来的系数值提供 NA。我尝试过使用 na.omit 命令无济于事。

有没有人可以解决如何进行这种循环回归？已经很感激了。万事如意

【问题讨论】：

你是如何初始化betas的？作为一个空的数字矩阵？另外，i+0 是多余的。
请原谅，我不太清楚你的意思。我只是将斜率系数保存到一个新矩阵中。
您的代码省略了行。截至目前betas（甚至Rows）不存在。在循环之前显示其创建线。也许betas <- matrix(...).
beta = matrix( NA , nrow = 4 , ncol = 3) Rows = nrow(data) 这有帮助吗？
一个问题可能是你的内部for 循环只使用了一行，检查for (i in 1:(Rows-4)) {print(i)}。

标签： r loops regression linear-regression

【解决方案1】：

问题归结为您使用 j 引用的列。由于您需要填写一个空矩阵但忽略 data 中的第一列，因此添加 1 以跳过用作因变量的第一列。而且由于 4 处的窗口大于 3 处的 NA 行，因此所有行都应该有回归结果：

for (j in 1:3) {
  for (i in 1:(Rows-4)) {
    Model<- lm(data[i:(4+i),1] ~ data[i:(4+i), j+1])
    betas[i,j] <- coefficients(Model)[2]
  }
}

betas
#              [,1]        [,2]      [,3]
# [1,] 1.428571e-01 -0.05882353 0.2500000
# [2,] 3.333333e-01 -0.12500000 0.3461538
# [3,] 1.648597e-15 -0.37500000 0.1764706
# [4,] 0.000000e+00  0.37500000 0.2872340

Online Demo

【讨论】：

【解决方案2】：

我们可以使用outer 方法将任意函数应用于两个对象（列表/向量）元素的所有组合。

我们需要一个由五个递增序列组成的row.list，

row.list <- lapply(1:(nrow(dat)-4), function(x) x:(x+4))
# [[1]]
# [1] 1 2 3 4 5
# 
# [[2]]
# [1] 2 3 4 5 6
# 
# [[3]]
# [1] 3 4 5 6 7
# 
# [[4]]
# [1] 4 5 6 7 8

以及我们解释变量的向量ev。

ev <- c("X1", "X2", "X3")

我们还需要 regFUN，它使用 reformulate 从字符串创建公式，

regFUN <- Vectorize(function(x, i) lm(reformulate(x, "Y"), dat[i, -1])$coe[2])

我们最终使用outer 将其应用于我们两个对象的所有元素组合。

res <- t(outer(ev, row.list, regFUN))

结果

`colnames<-`(res, ev)
#                X1          X2        X3
# [1,] 1.428571e-01 -0.05882353 0.2500000
# [2,] 3.333333e-01 -0.12500000 0.3461538
# [3,] 1.648597e-15 -0.37500000 0.1764706
# [4,] 0.000000e+00  0.37500000 0.2872340

数据：

dat <- read.table(text="Row Y X1 X2 X3 
 1  1  2  3  NA
 2  1  3  5  NA
 3  1  4  6  NA
 4  2  4  6  4
 5  3  3  4  8
 6  4  4  6  7 
 7  3  5  5  3
 8  5  4  6  7", header=TRUE)

【讨论】：

感谢您，我对最终输出感到有些困惑，其中 NA 似乎位于与我所希望的 beta 不同的位置。我想你在想我正在运行一个看起来像 Y ~ X1 + X2 + X3 的模型，而我实际上是在尝试单独执行看起来像 Y ~ X1 的回归并保存 beta，然后是 Y ~ X2 然后保存beta，然后 Y ~ X3 并保存 beta。然后调整窗口并再次回归。
系数也可能是NA 其他原因，例如collinearity。刚刚注意到您想要没有截距的 betas 矩阵，因此我在公式中编辑了0 +。
嗨，这是真的。但只有当我对多个我不是的自变量进行回归时，共线性才会成为问题。
我又被你的输出弄糊涂了。似乎您在回归中包含了所有三个变量。我想让它们分开计算。所以我运行以下 4 次，然后保存 beta 4 次（每次都有一个新的数据窗口） Y ~ X1 然后我对 X2 和 X3 做同样的事情，但是对于 X3，因为 NA 我不应该得到初始值。这应该给我以下内容：``` Row X1 X2 X3 1 coef coef NA 2 coef coef NA 3 coef coef NA 4 coef coef coef ```
对不起，我真的错过了你使用双变量模型。检查我对答案的编辑。不过，我没有得到 NA； lm 使用大小写删除，例如在行 1:5 对变量 X3 的回归中，实际上只使用行 4:5。

【解决方案3】：

我找到了解决问题的方法。问题是，一旦我开始计算最终列 (X3s) 回归，就会显示一条错误消息。

提供正确解决方案的代码如下：

for (j in 1:3) {
  for (i in 1:(Rows-4)) {
    try(Model<- lm(data[i:(4+i),1] ~ data[i:(4+i), j+1]), silent=T)
    betas[i,j] <- coefficients(Model)[2]
  }
}

包含 try 允许我继续运行循环并在最后一列中获得最终值。感谢大家的帮助。

【讨论】：