循环回归和存储截距、斜率等答案

【问题标题】：Loop Regression and Store Intercepts, Slopes, etc循环回归和存储截距、斜率等
【发布时间】：2020-10-16 07:25:48
【问题描述】：

我需要使用循环将每家公司的收益回归到指数收益：公司回报为：

       AAPL         AXP          BA         CAT        CSCO         CVX          DD         DIS          GE          GS          HD 
 12.3360728 -13.9214932  22.5635983 -27.2829432  24.1013814 -20.3403951   0.4449273  28.1967333  20.3767961   3.9267703  30.2680724 
        IBM        INTC         JNJ         JPM          KO         MCD         MMM         MRK        MSFT         NKE         PFE 
 -7.8815087   8.0829670  -1.3179946  12.5467514   8.2271155  24.7729246   7.6478088  -0.5601629  21.9812572  39.4680023  19.9745312 
         PG         TRV         UNH         UTX           V          VZ         WMT         XOM 
 -6.7330018  16.4542731  27.3932024  -1.2581727  41.5225073  -1.2022588 -23.1585254  -9.7806252

并且索引返回是：

    ^DJI 
4.910218

我想：

打印所有公司 i = 1, ..., 30, 的截距、斜率 (βi) 和特殊标准差 σRi（残差的标准差）的表格
计算并打印指数回报的方差，
使用计算的 σ^2M 、 βi 和 σRi 计算所有 i 的协方差矩阵 Qsi 的单索引近似值 注意：Ω 的对角线项是 σ^2Ri，而不是 σRi

基本上，我只需要循环执行不同的回归并以某种方式存储这些信息。有人可以帮忙吗？

【问题讨论】：

标签： r loops regression linear-regression linear-algebra

【解决方案1】：

这是一个简单的示例，您可以使用它来开发自己的代码。此代码循环遍历mtcars 数据集的变量，并使用mpg 作为目标变量来估计线性模型：

ref_variable <- "mpg"
target_vars <- c("hp","wt","qsec")

# container results
res <- data.frame(matrix(NA,0,4), stringsAsFactors = FALSE)
names(res) <- c("variable", "intercept", "slope", "std_dev_resid")

for (var in target_vars){
  linear_model <- lm(as.formula(paste0(ref_variable,"~",var)), data = mtcars)
  res <- rbind(res, data.frame(variable=var,
                      intercept=linear_model$coefficients[[1]], # intercept
                      slope=linear_model$coefficients[[2]], # slope
                      std_dev_resid=sd(resid(linear_model)) # std dev of residuals
                      ))
}

输出

  variable intercept       slope std_dev_resid
1       hp 30.098861 -0.06822828     0.5262956
2       wt 37.285126 -5.34447157     0.6674783
3     qsec -5.114038  1.41212484     0.3654127

【讨论】：

非常感谢您，但我不得不问这是否也适用于时间序列对象之间的回归？我愚蠢地将一个数字与另一个数字回归，但我的意思是让一个时间序列与另一个时间序列回归。
@eruiz 当然，在我的示例中，我使用了数据框。它的列可以被认为是时间序列。在 Rstudio 中输入“mtcars”以检查数据集。
@eruiz 修正了一个错字。试试编辑后的代码，它现在可以工作了
效果非常好！我有一个关于残差标准差的问题。在我的作业中，它说“特殊标准偏差 σRi（残差的标准偏差）”。我的理解是 lm() 计算 sigma 为 the square root of the estimated variance of the random error σ^2 = 1/(n-p) Sum(w[i] R[i]^2), where R[i] is the i-th residual, residuals[I]. 你能解释一下为什么你使用你所做的公式吗？
@eruiz 我实际上不知道为什么我把 2 放在那里。我猜是另一个错字。我的错，对不起。您需要残差的 std.dev 吗？然后只需使用sd(resid(linear_model))