模拟线性模型 100 次答案

【问题标题】：simulate a linear model 100 times模拟线性模型 100 次
【发布时间】：2013-01-28 00:36:23
【问题描述】：

我需要模拟 n=100 次线性模型，但在 R 命令中迷失了方向。

我还在学习统计和 R 的基础知识，我对这个练习有点困惑：

我需要使用 OLS 将基本线性模型复制 100 次并收集 N 个估计值，以便执行一致性和效率测试。我试图通过这种方式解决问题：

a <- 3
B <- 0.5
C <- -0.7

for (i in 1:100){
   x1[i] <- rnorm(200, mean=0, sd=1)
   x2[i] <- rnorm(200, mean=0, sd=1) 
   e[i] <- rnorm(200, mean=0, sd=1)
   y1[i] <- a+(B*x1[i])+(C*x2[i])+e[i] 

   y<- lm(y1[i]~x1[i]+x2[i]))
   results <-data.frame(coef(y))
}

但是 R 一直告诉我有错误。有人可以帮我解决这个问题吗？

【问题讨论】：

欢迎来到简历，卡尔！因为您的问题实际上源于您如何在R 中分配和寻址数组，所以它更适合 SO，我们将在其中迁移它。但是，通过searching CV——或者只是阅读足够多的问题——你会在这里找到很多个正是这种模拟的例子，带有完整的代码和输出，你可以立即开始使用。跨度>
“CV”代表什么？
CrossValidated: stats.stackexchange.com ，用于统计的 StackExchange 站点

标签： r

【解决方案1】：

类似：

a <- 3
B <- 0.5
C <- -0.7

results <- matrix(nrow=100,ncol=3)
for (i in 1:100){
   x1 <- rnorm(200, mean=0, sd=1)
   x2 <- rnorm(200, mean=0, sd=1) 
   e <- rnorm(200, mean=0, sd=1)
   y1 <- a+B*x1+C*x2+e 

   y<- lm(y1~x1+x2)
   results[i,] <- coef(y)
}

这假设您只需要保存每次运行的系数。更优雅的解决方案是：

simfun <- function(a=3,B=0.5,C=-0.7,n=200,x1.sd=1,x2.sd=1,e.sd=1) {
   x1 <- rnorm(n, mean=0, sd=x1.sd)
   x2 <- rnorm(n, mean=0, sd=x2.sd) 
   e <-  rnorm(n, mean=0, sd=e.sd)
   y1 <- a+B*x1+C*x2+e 
   data.frame(x1,x2,y1)
}

statfun <- function(d) {
    coef(lm(y1~x1+x2,data=d))
}

library(plyr)
raply(100,statfun(simfun()))

【讨论】：

您可能会摆脱 plyr 并只使用 replicate - 但每个人都有自己的。
是的。我喜欢raply 方便的内置进度条，但这里既没有必要也没有显示。

【解决方案2】：

    a <- 3
    B <- 0.5
    C <- -0.7
    sims <- 100

    #initialize a data frame to collect results
    df <- data.frame(matrix(ncol = 3, nrow = sims))
    colnames(df) <- c('a', 'B' , 'C')

    for(i in 1:sims){
    ##vectors each  200 long 
    x1 <- rnorm(200)
    x2 <- rnorm(200)
    e <- rnorm(200)

    y <- a + B*x1 + C*x2 +e
    #collect results for each itter
    df[i,] <- data.frame(t(lm(y ~x1 + x2)$coeff))
    }

    #results
    df

【讨论】：

与本的解决方案相同——我可能应该删除它——一旦我弄清楚如何