具有顺序时滞输出线性回归系数的循环数据

Question

我有一个这样的数据集：

 set.seed(242)
 df<- data.frame(month=order(seq(1,20,1),decreasing=TRUE), 
 psit=sample(1:100,20,replace=TRUE),  var=sample(1:10,20, 
 replace=TRUE))

我希望进行粗略的时间滞后分析，以了解滞后的 var 数据如何影响 psit 数据。如该粗略分析中所定义的，滞后是每个psit 数据点过去几个月的var 数据T-1、T-2、T-3 等。

要查看前几个月的var 数据如何影响psit 数据，我希望创建一个timelag 向量，该向量由与psit 变量偏移一个月的var 数据组成。然后我将timelag 向量绑定到psit 向量。以下是 1 个月偏移量、2 个月偏移量、3 个月偏移量的数据帧示例：

 set.seed(242)
 timelag1<- cbind(df[1:12,2], df[2:13,3]) #1 month time lag
 timelag2<- cbind(df[1:12,2], df[3:14,3]) #2 month time lag
 timelag3<- cbind(df[1:12,2], df[4:15,3]) #3 month time lag

对于每个数据帧，我想使用 lm() 函数针对 psit 数据回归 var 并输出 R 平方值。将针对每个后续偏移重复此过程。下面的例子：

 model1<-lm(timelag1)
 summary(model1)$r.squared
 model2<-lm(timelag2)
 summary(model2)$r.squared
 model3<-lm(timelag3)
 summary(model3)$r.squared

我想创建一个循环，为 240 个月的大型数据集迭代此过程。然后在每个数据帧上运行lm()，然后输出 r 平方值。

Answer 1

尝试使用允许lm 处理动物园和其他时间序列对象的 dyn 包：

library(dyn)

z <- read.zoo(df)
models <- lapply(1:3, function(i) dyn$lm(psit ~ lag(var, -i), tail(z, 12+i)))
sapply(models, function(x) summary(x)$r.squared)
## [1] 0.31209189 0.04923393 0.09995727

请注意，通常如果使用滞后 k，则还包括所有较小的 k 值。在这种情况下：

models <- lapply(1:3, function(i) dyn$lm(psit ~ lag(var, -(1:i)), tail(z, 12+i)))
do.call("anova", models)

给予：

Model 1: psit ~ lag(var, -(1:i))
Model 2: psit ~ lag(var, -(1:i))
Model 3: psit ~ lag(var, -(1:i))
  Res.Df    RSS Df Sum of Sq      F Pr(>F)
1     10 8688.5                           
2      9 8221.7  1    466.73 0.4545 0.5192
3      8 8215.5  1      6.24 0.0061 0.9398