具有順序時滯的循環數據輸出線性回歸系數

Question

我有一個像這樣的數據集：

 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))

我希望進行粗略的時滯分析，以了解滯后的var數據如何影響psit數據。 在此粗略分析中定義的滯后是每個psit數據點過去幾個月的var數據T-1，T-2，T-3等。

為了查看前幾個月的var數據如何影響psit數據，我希望制作一個timelag向量，其中包含與psit變量psit一個月的var數據。 然后，將時滯矢量timelag到psit矢量。 以下是1個月偏移，2個月偏移，3個月偏移，尊重程度的數據幀示例：

 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

對於每個數據psit ，我想使用lm()函數針對psit數據回歸var並輸出R平方值。 對於每個后續偏移，將重復此過程。 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

我想創建一個循環，以對240個月的大型數據集進行迭代。 然后在每個數據幀上運行lm() ，然后輸出r平方值。

Answer 1

嘗試使用dyn包，該包允許lm處理Zoo和其他時間序列對象：

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

請注意，通常，如果使用滯后k，那么也將包括所有較小的k值。 在這種情況下：

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

給予：

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