如何使此R代码（用于循环）更有效？

Question

我正在进行仿真研究，并编写了以下R代码。 是否有编写这种代码而不使用两个for循环，或者使其更有效（运行更快）的方法？

S = 10000
n = 100
v = c(5,10,50,100)
beta0.mle = matrix(NA,S,length(v))  #creating 4 S by n NA matrix 
beta1.mle = matrix(NA,S,length(v))
beta0.lse = matrix(NA,S,length(v))
beta1.lse = matrix(NA,S,length(v))
for (j in 1:length(v)){
  for (i in 1:S){
    set.seed(i)
    beta0 = 50
    beta1 = 10
    x = rnorm(n)
    e.t = rt(n,v[j])
    y.t = e.t + beta0 + beta1*x
    func1 = function(betas){
      beta0 = betas[1]
      beta1 = betas[2]
      sum = sum(log(1+1/v[j]*(y.t-beta0-beta1*x)^2))
      return((v[j]+1)/2*sum)
    }
    beta0.mle[i,j] = nlm(func1,c(1,1),iterlim = 1000)$estimate[1]
    beta1.mle[i,j] = nlm(func1,c(1,1),iterlim = 1000)$estimate[2]
    beta0.lse[i,j] = lm(y.t~x)$coef[1]
    beta1.lse[i,j] = lm(y.t~x)$coef[2]
  }
}

第二个for循环内的函数func1用于nlm函数（当错误分布为t时查找mle）。 我想在R中使用parallel包，但没有找到任何有用的功能。

Answer 1

要得到任何东西跑R中更快的关键是更换for与矢量化功能的循环（如apply家庭）。 此外，对于任何编程语言，您都应该查找使用相同参数多次调用昂贵函数（例如nlm ）的地方，并查看可以在其中存储结果而不是每次都重新计算的地方。

在这里，我就像定义参数一样开始。 同样，由于beta0和beta1始终为50和10我beta0在此处定义它们。

S <- 10000
n <- 100
v <- c(5,10,50,100)
beta0 <- 50
beta1 <- 10

接下来，我们将在循环外部定义func1以避免每次都重新定义它。 func1现在有两个额外的参数， v和yt以便可以用新值调用它。

func1 <- function(betas, v, y.t, x){
  beta0 <- betas[1]
  beta1 <- betas[2]
  sum <- sum(log(1+1/v*(y.t-beta0-beta1*x)^2))
  return((v+1)/2*sum)
}

现在，我们实际上做了真正的工作。 我们没有嵌套循环，而是使用嵌套的apply语句。 外部lapply将为v每个值创建一个列表，内部vapply将为S每个值beta1.lse要获取的四个值的矩阵（ beta0.mle ， beta1.mle ， beta0.sle ， beta1.lse ） 。

values <- lapply(v, function(j) vapply(1:S, function(s) {
  # This should look familiar, it is taken from your code
  set.seed(s)
  x <- rnorm(n)
  e.t <- rt(n,j)
  y.t <- e.t + beta0 + beta1*x
  # Rather than running `nlm` and `lm` twice, we run it once and store the results
  nlmmod <- nlm(func1,c(1,1), j, y.t, x, iterlim = 1000)
  lmmod <- lm(y.t~x)
  # now we return the four values of interest
  c(beta0.mle = nlmmod$estimate[1],
    beta1.mle = nlmmod$estimate[2],
    beta0.lse = lmmod$coef[1],
    beta1.lse = lmmod$coef[2])
}, numeric(4)) # this tells `vapply` what to expect out of the function
)

最后，我们可以将所有内容重组为四个矩阵。

beta0.mle <- vapply(values, function(x) x["beta0.mle", ], numeric(S))
beta1.mle <- vapply(values, function(x) x["beta1.mle", ], numeric(S))
beta0.lse <- vapply(values, function(x) x["beta0.lse.(Intercept)", ], numeric(S))
beta1.lse <- vapply(values, function(x) x["beta1.lse.x", ], numeric(S))

最后，根据您为什么使用S索引设置种子，可以重新组织它以使其运行得更快。 如果知道使用rnorm生成x种子很重要，那么我可以做的最好。 但是，如果仅是为了确保对所有v值都在相同的x值上进行测试，则可能会有更多的重组，我们可以这样做，而使用replicate可以提高速度。