分组滚动回归

Question

嗨，我有一个面板数据集。 我想对每个公司进行滚动窗口回归，并提取独立变量的系数。 y是因变量，x是因变量。 滚动窗口为12。也就是说，第一次回归使用第1行到第12行数据，第二次回归使用第2行到第13行数据，依此类推。使用Rollapply。

这是一个与我遇到的错误完全相同的问题： 在data.table R中按组滚动该问题的幸运之处在于，它仅占用一列，而我的需要两列进行回归，因此我无法进行更改根据该职位的建议答案。 这是另一个使用for循环的帖子。 我的真实数据有超过200万个观测值，所以实在太慢了： 使用dplyr进行滚动回归有任何帮助吗？

我的假数据集如下：

dt<-rep(c("AAA","BBB","CCC"),each=24)
dt<-as.data.frame(dt)
names(dt)[names(dt)=="dt"] <- "firm"
a<-c(20100131,20100228,20100331,20100430,20100531,20100630,20100731,20100831,20100930,20101031,20101130,20101231,20110131,20110228,20110331,20110430,20110531,20110630,20110731,20110831,20110930,20111031,20111130,20111231)
dt$time<-rep(a,3)
dt<-dt%>% group_by(firm)%>%
  mutate(y=rnorm(24,10,5))
dt<-dt%>% group_by(firm)%>%
  mutate(x=rnorm(24,5,2))
dt<-as.data.table(dt)

我尝试了这段代码：

# create rolling regression function
    roll <- function(Z) 
{ 
  t = lm(formula=y~x, data = as.data.frame(Z), na.rm=T); 
  return(t$coef[2]) 
}
dt[,beta := rollapply(dt, width=12, roll, fill=NA, by.column=FALSE, align="right") , by=firm]

我正在尝试创建一个名为“ beta”的列，该列显示var x的系数。 因此，对于每家公司，第一个数据应从第12个观察中得出。

看来，回归从第一行的x和y获取了不同的组，并且与我从EXCEL得到的结果相比，系数似乎有些偏离。

我尝试的第二种方法是dplyr版本：

dt %>%
group_by(firm) %>%
mutate(dt,beta = rollapply(dt,12,function(x) coef(lm(y~x,data=as.data.frame(x)))[2],by.column= FALSE, fill = NA, align = "right"))

它给了我同样的问题。 每个组具有相同的编号。 看起来，对于每个公司，回归都从第一行中获取y和x。

有什么想法吗？ 非常感谢。

Answer 1

这是使用rollRegres包和data.table包的解决方案。 我还添加了OP解决方案的修改版本，该解决方案可以工作（请参阅eddi的评论），并使用了一个示例，其中包含200万观察值，OP提到

#####
# setup data
library(rollRegres)
library(data.table)
library(dplyr)

set.seed(33700919)
n_firms <- 83334 # yields ~ the 2M firm as the OP mentions
dt <- rep(1:n_firms, each = 24)
dt <- data.frame(firm = dt)
a <-c(20100131,20100228,20100331,20100430,20100531,20100630,20100731,20100831,20100930,20101031,20101130,20101231,20110131,20110228,20110331,20110430,20110531,20110630,20110731,20110831,20110930,20111031,20111130,20111231)
dt$time <- rep(a, n_firms)
dt <- dt %>% group_by(firm) %>% mutate(y=rnorm(24,10,5))
dt <- dt %>% group_by(firm) %>% mutate(x=rnorm(24,5,2))
dt <- as.data.table(dt)
nrow(dt) # roughly the 2M rows that the OP mentions
#R [1] 2000016

#####
# fit models
setkey(dt, firm, time) # make sure data is sorted correctly
start_time <- Sys.time() # to show computation time
dt[
  , beta :=
    roll_regres.fit(x = cbind(1, .SD[["x"]]), y = .SD[["y"]],
                    width = 12L)$coefs[, 2],
  by = firm]
Sys.time() - start_time
#R Time difference of 6.526595 secs

# gives the same as OP's solution with minor corrections
library(zoo)
start_time <- Sys.time()
roll <- function(Z)
  lm.fit(x = cbind(1, Z[, "x"]), y = Z[, "y"])$coef[2]
dt[
  , beta_zoo :=
    rollapply(.SD, width=12, roll, fill=NA, by.column=FALSE, align="right"),
  by=firm]
Sys.time() - start_time # much slower
#R Time difference of 1.87341 mins

# gives the same
all.equal(dt$beta, dt$beta_zoo)
#R [1] TRUE

Answer 2

也许您可以尝试更改rollapply中的第一个参数，将dt替换为dt[, c("y","x")] 。 看看是否有效