如何在R中的數據幀缺少數據的情況下估計自回歸模型AR（2）的殘差

Question

我想估計/獲取AR（2）模型的殘差。 由於殘差=實際值-擬合值。我有一個巨大的數據框，其中包含4000列（每個公司），時間序列。 現在我想運行一個AR（2）模型並從中獲取殘差。這些列是每個公司的流動性度量。 現在，我需要對這兩個要通過Auto Regressive模型進行轉換的公司進行的流動性度量轉換具有2個滯后，因此，首先自動相關性將被刪除。在下面的公式中，並使用殘差進行后續分析。

其中，Ct i是第t個月股票i流動性的度量，x是自回歸過程中滯后的數量，ut i是第t個月股票i流動性的殘差。 我提供了以下數據的一小部分。

 DATE         A     B   C       D   E   F
31/12/1999  79.5    NA  NA      6   NA  NA
03/01/2000  79.5    NA  NA      6   NA  NA
04/01/2000  79.5    NA  325     6   961 3081.9
05/01/2000  79.5    NA  322.5   6   945 2524.7
06/01/2000  79.5    NA  327.5   6   952 3272.3
07/01/2000  79.5    NA  327.5   6   941 2102.9
10/01/2000  79.5    7   327.5   6   946 2901.5
11/01/2000  79.5    7   327.5   6   888 9442.5
12/01/2000  79.5    7   331.5   6   870 7865.8
13/01/2000  79.5    7   334     6   853 7742.1

我從統計信息包中發現了以下代碼。 您能否幫助指定此代碼，以便它在每一列（日期除外）上運行，並注意滯后值為2的缺失值。

ar(x, aic = TRUE, order.max = NULL,
   method = c("yule-walker", "burg", "ols", "mle", "yw"),
   na.action, series, ...)

Answer 1

假設您的數據稱為df ，則可以為每一列添加AR（2）模型的殘差，如下所示：

df <- data.frame(df, apply(df[-1], 2, function(x) arima(x, order = c(2,0,0))$res))
df
       Date   Company1   Company2   Company1.1    Company2.1
1  Jan-2000 0.05365700 0.01821019 -0.036876374  0.0006985845
2  Feb-2000 0.07201239 0.01680506 -0.001093970 -0.0005063298
3  Mar-2000 0.08740745 0.01924687 -0.003796628  0.0017217050
4  Apr-2000 0.10866274 0.01792439  0.010745400  0.0007815183
5  May-2000 0.14189171 0.01848372  0.032286719  0.0014418422
6  Jun-2000 0.15228030 0.01472494  0.023719800 -0.0024127538
7  Jul-2000 0.10231285 0.01634404 -0.025709302 -0.0016760248
8  Aug-2000 0.10838209 0.01919361  0.019162611  0.0009089139
9  Sep-2000 0.08358543 0.01624093 -0.022191184 -0.0010003877
10 Oct-2000 0.10907866 0.01768522  0.022780332  0.0001924767

編輯代碼：

df <- data.frame(df, apply(df[-1], 2, function(x) arima(x[!is.na(x)], order = c(2,0,0), method = "ML")$res))