使用 for 循环执行多个回归答案

【问题标题】：Using a for loop for performing several regressions使用 for 循环执行多个回归
【发布时间】：2014-12-30 14:56:06
【问题描述】：

我目前正在使用以下方法进行样式分析：http://www.r-bloggers.com/style-analysis/。它是一项资产在 36 个月滚动窗口内在多个基准上的受限回归。

我的问题是我需要对相当多的资产执行此回归，并且逐个执行此操作将花费大量时间。更准确地说：有没有办法告诉 R 在第 101-116 列上逐一回归第 1-100 列。当然，这也意味着要打印 100 个不同的图，每个资产一个。我是 R 新手，现在已经卡了好几天了。

我希望以下摘录不可重现并不重要，因为代码按最初的预期工作。

# Style Regression over Window, constrained
#--------------------------------------------------------------------------
# setup
load.packages('quadprog')

style.weights[] = NA
style.r.squared[] = NA

# Setup constraints
# 0 <= x.i <= 1
constraints = new.constraints(n, lb = 0, ub = 1)

# SUM x.i = 1
constraints = add.constraints(rep(1, n), 1, type = '=', constraints)        

# main loop
for( i in window.len:ndates ) {
    window.index = (i - window.len + 1) : i

fit = lm.constraint( hist.returns[window.index, -1], hist.returns[window.index, 1], constraints )   
    style.weights[i,] = fit$coefficients
    style.r.squared[i,] = fit$r.squared
}

# plot  
aa.style.summary.plot('Style Constrained', style.weights, style.r.squared, window.len)

非常感谢您提供的任何提示！

【问题讨论】：

标签： r loops for-loop regression

【解决方案1】：

“有没有办法告诉 R 在 101-116 列上逐列回归 1-100 列。”

是的！您可以使用 for 循环，但您还有一系列合适的“应用”函数。这是一个带有随机/玩具数据集并使用lm() 的通用解决方案，但您可以加入任何您想要的回归函数

# data frame of 116 cols of 20 rows
set.seed(123)
dat <- as.data.frame(matrix(rnorm(116*20), ncol=116))

# with a for loop
models <- list() # empty list to store models

for (i in 1:100) {
  models[[i]] <-
    lm(formula=x~., data=data.frame(x=dat[, i], dat[, 101:116]))
}

# with lapply
models2 <-
  lapply(1:100, 
         function(i) lm(formula=x~., 
                        data=data.frame(x=dat[, i], dat[, 101:116])))

# compare. they give the same results!
all.equal(models, models2)

# to access a single model, use [[#]]
models2[[1]]

【讨论】：