-3 
require(fracdiff)
#load your data, n is the sample size

x<-matrix(scan("data.txt", n = ), n, 1, byrow = TRUE)

x<-log(x)
x<-x-mean(x)
n<-length(x)


#select the truncation
m<-round(n^(0.7))

perdx<-px[2:n]
fn<-function(h)
    {
        lambda<-freq[1:m]^(2*h-1)
        Gh=mean(perdx[1:m]*lambda)
        Rh=log(Gh)-(2*h-1)*mean(log(freq[1:m]))
        return(Rh)
    }
    est<-optimize(fn,c(0,1.5),tol = 0.00001)
    hhat<-est$minimum
    b <- hhat-0.5
    b

我有这个用 R 编写的函数，我想为 m 做循环，其中 m<-round(n^(0.7)) 其中 n 的幂从 0.3-0.8 运行（默认值为 0.7，所以我有不同的值m 提供给函数），最终得到 b 的字符串（每个 b 为 n 的幂，从 0.3-0.8 运行），但到目前为止我一直没有成功。此外，我想绘制 b 相对于 m 的不同值。我真的希望任何人都可以建议我如何得到结果。任何建议都受到高度赞赏。谢谢你。

4

1 回答 1

2

首先是一些虚拟数据：

set.seed(1983)
freq <- rnorm(100, mean=10)
perdx <- rnorm(100, mean=100, sd=10)

然后你的函数（稍微缩短和修改：你需要添加m作为参数，因为它会在每次迭代中改变），向量m和一个空向量b（你确实想预先分配向量的长度）：

m <- 1:100
b <- vector(length=length(m))
fn <- function(h,m){
    lambda <- freq[1:m]^(2*h-1)
    Gh <- mean(perdx[1:m]*lambda)
    log(Gh)-(2*h-1)*mean(log(freq[1:m]))
    }

最后是你的循环：

for(i in seq_along(m)){b[i] <- optimize(fn,c(0,1.5),tol = 0.00001, m=m[i])$minimum - 0.5}

b
  [1]  0.370809995  0.143004969  0.295652288  0.341975500  0.155323568 -0.004270843 -0.004463482 -0.005151013 -0.019702428 -0.066622938 -0.071558276 -0.051269281 -0.010162819 -0.011613268
 [15] -0.043173232 -0.023702358 -0.017404588 -0.041314701 -0.041849379 -0.039659543 -0.042926431 -0.041149212 -0.050584172 -0.051101425 -0.051999900 -0.053473729 -0.007245899 -0.023556513
 [29] -0.026109458 -0.035935971 -0.063366257 -0.048185532 -0.051862241 -0.051659993 -0.078318886 -0.080683266 -0.082146068 -0.088776082 -0.095815094 -0.097276217 -0.099827675 -0.090215664
 [43] -0.091023273 -0.090649640 -0.091877778 -0.091318363 -0.083812376 -0.091700899 -0.086337626 -0.105456723 -0.105972890 -0.101094946 -0.101748039 -0.101323129 -0.070511638 -0.081105305
 [57] -0.072667430 -0.072361640 -0.069692202 -0.067384208 -0.072985712 -0.063617816 -0.064122242 -0.067135980 -0.070663150 -0.069359528 -0.069691113 -0.084422380 -0.073379583 -0.072209507
 [71] -0.069132825 -0.067681419 -0.063782326 -0.057532656 -0.063031479 -0.054001810 -0.053523184 -0.051783114 -0.053388449 -0.055742505 -0.052429781 -0.058399275 -0.059529803 -0.059389065
 [85] -0.058834476 -0.043061836 -0.045186752 -0.048336234 -0.055597368 -0.065307991 -0.060903775 -0.062518358 -0.062898386 -0.059452595 -0.051983381 -0.049742105 -0.050124722 -0.049212744
 [99] -0.041458672 -0.043251041
于 2012-12-11T08:23:33.450 回答