MATLAB時間序列回歸，處理NaN

Question

為了提供一個最小的示例（我想在眾多應用程序中使用此解決方案），我使用了MATLAB中的regress函數。

我在MATLAB中擁有的數據是（每月）時間序列，但是某些序列開始時缺少一些數據點。

假設Y是任意回歸模型中的因變量，我想運行10個回歸模型，

$$ Y_t = \\ alpha + X_ {i，t-1} $$

因此，我想運行9個模型，其中Y是因變量，每個模型的解釋變量從$ X_2 $變為$ X_10 $。

明確地說，我想運行9個模型（見圖），

我遇到的問題是，我希望使用Y（即data(:,1) ）和X2（即data（：，2））的第一個模型使用前1000個觀測值，但是對於X3，有988個觀測值，因此在進行回歸時，我想對Y和X3使用988個觀測值。

在其他問題中，人們建議將NaN更改為0，但這是不可能的。 編輯（顯然可以更改為零，但是對於我的模型規范來說這是不可能的）。

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
b = regress(data(:,1),data(:,ii))
end

這個問題是不同的，因為它使用了回歸函數（昨天是簡單的均值），回答者也提供了很多細節和實際可行的解決方案。

Answer 1

只需選擇非NaN

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
   notnans=~isnan(data(:,ii)); % assuming data(:,1) has no NaNs
   b = regress(data(notnans,1),data(notnans,ii))
end