如何获取R中用逗号分隔的模式变量字符串？

Question

我编写了 A增强的 Dickey-Fuller 测试代码，该代码考虑了 same (Common) 的用法自回归过程的所有滞后顺序的子样本（技术信息：在计量经济学中的所有滞后选择程序中，必须使用相同的子样本来确定正确的最优最小滞后）。然而，尽管 max 参数似乎是任意的，但实际上并非如此，因为编程问题：以下代码仅适用于 max=14。因为：

我无法实现如何放置：

（对于 max=3）“x1d，x1l，x1d1l，x1d2l，x1d3l”

(对于 max=4) "x1d, x1l, x1d1l, x1d2l, x1d3l, x1d4l"

(for max=6), "x1d, x1l, x1d1l, x1d2l, x1d3l, x1d4l, x1d5l, x1d6l"等如下代码。

我想要一个特定模式的字符串；字符串的长度将由用户（通过最大值）确定。

对于那些对变量感兴趣的人：

x1d := 时间序列 x 的第一个差异

x1l := 时间序列 x 的第一个滞后

x1d1l := 时间序列 x 的第一个差异的第一个滞后（x 的第一个差异的第一个滞后！）

....

x3d5l := x 的 3 次差的 5 次滞后

x2l5d := x 的第二个滞后的第五个差

即变量命名中从左到右应用滞后和差异运算符。

adfcs <- function (t, max = 14, type = c("c")) {
x <- ts(t)
x1d = diff(x, differences=1)
x1l = lag(x, -1)
for (i in as.integer(1:max)) { # Here, I obtained all the lags that will be used in ADF regression
assign(paste(paste("x1d", i, sep=""), "l", sep=""), lag(x1d, -i))}

DLDlag = ts.intersect(x1d, x1l, x1d1l, x1d2l, x1d3l, x1d4l, x1d5l, x1d6l, x1d7l, x1d8l, x1d9l, x1d10l, x1d11l, x1d12l, x1d13l, x1d14l) # Here is the problem.
DLDlag.df = data.frame(ts.intersect(x1d, x1l, x1d1l, x1d2l, x1d3l, x1d4l, x1d5l, x1d6l, x1d7l, x1d8l, x1d9l, x1d10l, x1d11l, x1d12l, x1d13l, x1d14l), obspts =c(time(DLDlag))) # Here is the problem.

DifferenceLags = as.vector(names(DLDlag.df), mode="any")[3: (length(DLDlag.df)-1)]

lmresults = array(list())
SBCvalues = array(list())
AICvalues = array(list())
for (i in as.integer(0:max)) {
if (i == 0) { lmresults[[max+1]] = lm(as.formula(paste("x1d ~x1l")),data=DLDlag.df) 
SBCvalues[[max+1]] = BIC(lmresults[[max+1]])
AICvalues[[max+1]] = AIC(lmresults[[max+1]]) }
if (i > 0) { lmresults[[i]] = lm(as.formula(paste("x1d ~ x1l+", paste(DifferenceLags[1:i], collapse="+"))),data=DLDlag.df) 
SBCvalues[[i]] = BIC(lmresults[[i]])
AICvalues[[i]] = AIC(lmresults[[i]]) }
}
list(which.min(SBCvalues), which.min(AICvalues))
as.data.frame(cbind(SBCvalues, AICvalues)) 

if (which.min(SBCvalues)==max+1) {
scs=(max+2)-(0+1)
adfcs = unitrootTest(x[scs:length(x)], lags = 0, type = c("c"))


} else {
scs=(max+2)-(which.min(SBCvalues)+1)
adfcs = unitrootTest(x[scs:length(x)], lags =which.min(SBCvalues), type = c("c"))

 }
adfcs 
}

注意：在 Eviews（版本

1. 双击一个变量；看法;单位根检验；自动进稿器； “水平，拦截”；滞后长度：自动选择 Schwarz：最大滞后 =14"。（根据数据集变化 14 次）

2. 通过删除第一个样本来排列子样本：假设数据是 1960Q1 2009Q4 (200 obs)。然后首先从样本中删除 14+1 个 obs：样本 - 样本范围对：1963Q4 2009Q4。提供相同的子样本后，将执行 ADF。

3. 再次双击同一个变量；看法;单位根检验；自动进稿器； “水平，拦截”； Lag Length: Automatic Selection Schwarz: Maximum Lags=14"。（由于二次抽样的影响，这里可能会出现 14 以外的不同数字；删除框中的那个数字，然后输入 14） . 按确定。

任何帮助将不胜感激？

Answer 1

你需要一些 R 的“计算语言”的东西来做这种事情（即，以编程方式构造对另一个函数的调用）：

试试这个：

x <- ts(cumsum(rnorm(100)))
max <- 5

x1d <- diff(x, differences=1)
x1l <- lag(x, -1)
x_names <- c("x1d", "x1l", 
             sapply(1:max, function(i) paste("x1d", i, "l", sep="")))
for (i in as.integer(1:max)) { 
  assign(x_names[i+2], lag(x1d, -i))
}
DLDlag <- do.call(ts.intersect, sapply(x_names, as.symbol))
DLDlag.df <- data.frame(DLDlag, obspts = c(time(DLDlag)))