通过引导R中的数据来复制函数

Question

我正在估算使用library(gmm)的GMM模型。

n <- 200
x1 <- rnorm(n)
x2 <- rnorm(n)
x3 <- rnorm(n)
x4 <- rnorm(n)
x5 <- rnorm(n)
x6 <- rnorm(n)

xx <- cbind(x1, x2, x3, x4, x5, x6)
fun <- function(betastar, x) {
m1 <- (x[,1] - x[,2]*betastar - x[,3] - x[,4])*x[,5]
m2 <- (x[,1] - x[,2]*betastar - x[,3] - x[,4])*x[,6]
f <- cbind(m1,m2)
return(f)
}

library(gmm)
k <-  gmm(fun, x=xx, 0, optfct="optim", lower = 0, upper = 2, method="Brent")

我想通过引导我的样本xx （替换）来复制它B次。 我的范围是为每个复制保存betastar的标准错误，并将所有这些错误存储在某个地方。 有没有快速的方法来做到这一点？ 我知道有一个library(boot) ，原则上应该允许我这样做，但我很难弄清楚如何，因为使用函数gmm我需要指定另一个函数（ fun ）

编辑： gmm函数正在做的是最小化关于参数betastar的其他功能fun 。 gmm()所有术语都定义了gmm工作方式。 对于任何1：B复制，我想要的是绑定betastar（这是一个系数）及其在对象中的标准错误。 它们可以通过命令coef(k)和sqrt(k$vcov)我正在尝试以下方法

B <- 199  # number of bootstrapping
betak_boot <- rep(NA, 199)
se_betak_boot <- rep(NA, 199)
for (ii in 1:B){
  sample <- (replicate(ii, apply(xx, 2, sample, replace = TRUE)))
  k_cons <- gmm(fun, x=samples, 0, gradv=Dg, optfct="optim", lower = 0, upper = 2, method="Brent")
  betak_boot[ii] <- coef(k_cons)
  se_betak_boot[ii] <- sqrt(k_cons$vcov)
}

我不知道为什么，我在应用fun遇到错误，即Error in x[, 1] : incorrect number of dimensions 。 实际上，我不知道为什么sample

dim(sample)
[1] 200   6   1

Answer 1

library(gmm)
set.seed(123)
n <- 200
x1 <- rnorm(n)
x2 <- rnorm(n)
x3 <- rnorm(n)
x4 <- rnorm(n)
x5 <- rnorm(n)
x6 <- rnorm(n)

xx <- cbind(x1, x2, x3, x4, x5, x6)
fun <- function(betastar, x) {
m1 <- (x[,1] - x[,2]*betastar - x[,3] - x[,4])*x[,5]
m2 <- (x[,1] - x[,2]*betastar - x[,3] - x[,4])*x[,6]
f <- cbind(m1,m2)
return(f)
}
ii=4
samples <- replicate(ii, apply(xx, 2, sample, replace = TRUE))

coefk <- rep(0,ii)
sdk <- rep(0,ii)

for (i in 1:ii) {
        xx <- samples[,,i]
        k <-  gmm(fun, x=xx, 0, optfct="optim", lower = 0, upper = 2, method="Brent")
        coefk[i] <- coef(k)
        sdk[i] <- sqrt(k$vcov)[1,1]
 }