1

我正在运行 503 个单独的回归，每个回归都有一个单独的因变量，有 3 个自变量和 1 个 AR(1) 项。

数据：

# fake data 
set.seed(333)
df <- data.frame(seq(as.Date("2017/1/1"), as.Date("2017/2/19"), "days"),
                 matrix(runif(50*506), nrow = 50, ncol = 506))

names(df) <- c("Date", paste0("var", 1:503), c("mktrf", "smb", "hml"))

我使用名为 lagpad 的函数按如下方式创建 AR(1) 过程：

lagpad <- function(x, k=1) {
  i<-is.vector(x)
  if(is.vector(x)) x<-matrix(x) else x<-matrix(x,nrow(x))
  if(k>0) {
    x <- rbind(matrix(rep(NA, k*ncol(x)),ncol=ncol(x)), matrix(x[1:(nrow(x)-k),], ncol=ncol(x)))
  }
  else {
    x <- rbind(matrix(x[(-k+1):(nrow(x)),], ncol=ncol(x)),matrix(rep(NA, -k*ncol(x)),ncol=ncol(x)))
  }
  if(i) x[1:length(x)] else x
}

然后我存储回归所需的变量：

  1. 所有的 dep var

    x = df[,505:507]

  2. 所有独立变量

    y <- df[,2:504]

  3. AR(1) 过程

    y_lag <- lagpad(y, -1)

  4. 适合所有模型

    list_models_AR= lapply(y, function(y) 
       with(x, lm(y ~ mktrf +  smb + hml + y_lag, na.action = na.exclude)))

我无法弄清楚如何在这种情况下使用，因为需要调用y_laglapply的多个组件，每个回归一个。

4

1 回答 1

1

我不确定你的滞后项，它似乎实际上是下一个 y 列。如果是这样，您可以按如下方式创建 502 个模型：

list_models_AR= lapply(1:(ncol(y)-1), function(i) lm(y[,i]~x[,1] +  x[,2] + x[,3] +y[,i+1], na.action=na.exclude))
于 2018-03-01T20:53:42.640 回答