MATLAB 时间序列回归，处理 NaN答案

【问题标题】：MATLAB time-series regression, dealing with NaNsMATLAB 时间序列回归，处理 NaN
【发布时间】：2018-12-04 10:05:04
【问题描述】：

为了提供一个最小的例子（我想在许多应用程序中使用这个解决方案），我在 MATLAB 中使用regress 函数。

我在 MATLAB 中拥有的数据是（每月）时间序列，但是，某些序列在开始时缺少一些数据点。

假设 Y 是任意回归模型中的因变量，我想运行 10 个回归模型，

$$Y_t=\alpha+X_{i,t-1}$$

因此我想运行 9 个模型，其中 Y 是因变量，每个模型的解释变量从 $X_2$ 变为 $X_10$。

为了清楚起见，我想运行 9 个模型（见图），

我遇到的问题是我希望第一个模型使用 Y（即data(:,1)）和 X2（即 data(:,2) 来使用前 1000 个观察值，但对于 X3，有 988 个观察，所以我想在回归时对 Y 和 X3 使用 988 个观察。

在其他问题中，人们建议将 NaN 更改为 0，但这是不可能的。编辑（显然可以更改为零，但我的模型规范不可能）。

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
b = regress(data(:,1),data(:,ii))
end

这个问题不同，因为它使用回归函数（昨天的简单平均值），而且回答者提供了很多细节和实际有效的解决方案。

【问题讨论】：

顺便说一句，这不是您的型号规格。不要将它们更改为零，因为 0 是一个数字，是数据并且会对最终结果产生影响。如果将其设为零，则表示您正在更改测量值，这与将其更改为 pi、1000 或 -4 没有任何不同。零只是另一个数字，而不是缺少数据的占位符。我不知道你在哪里看到过变为零是可能的，但这是非常错误的。
有人在另一个问题中提出了建议，但我同意将其更改为零是完全错误的。
重复您昨天提出的问题：Dealing with NaN in matlab, simple tasks。编辑问题以增加清晰度，不要再问了。接受的答案与该问题上的my comment基本完全相同
@Wolfie 你是对的。我建议反过来说，因为OP基本上想问他们在这里问了什么，他们昨天还不够清楚
我不相信我明确说过要问另一个问题，我的意思是你应该改进现有的问题。不用担心，你肯定写了一个更好的问题，很高兴它产生了一个更好的答案！

标签： matlab

【解决方案1】：

只选择非 NaNs

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
   notnans=~isnan(data(:,ii)); % assuming data(:,1) has no NaNs
   b = regress(data(notnans,1),data(notnans,ii))
end

【讨论】：