我正在运行503个独立的回归,每个回归都有一个独立的因变量,有3个自变量和1个AR(1)项。
数据:
# fake data
set.seed(333)
df <- data.frame(seq(as.Date("2017/1/1"), as.Date("2017/2/19"), "days"),
matrix(runif(50*506), nrow = 50, ncol = 506))
names(df) <- c("Date", paste0("var", 1:503), c("mktrf", "smb", "hml"))
我使用一个名为lagpad的函数创建AR(1)过程,如下所示:
lagpad <- function(x, k=1) {
i<-is.vector(x)
if(is.vector(x)) x<-matrix(x) else x<-matrix(x,nrow(x))
if(k>0) {
x <- rbind(matrix(rep(NA, k*ncol(x)),ncol=ncol(x)), matrix(x[1:(nrow(x)-k),], ncol=ncol(x)))
}
else {
x <- rbind(matrix(x[(-k+1):(nrow(x)),], ncol=ncol(x)),matrix(rep(NA, -k*ncol(x)),ncol=ncol(x)))
}
if(i) x[1:length(x)] else x
}
然后我存储回归所需的变量:
-
所有dep变量
x = df[,505:507]
-
所有indep var
y <- df[,2:504]
-
AR(1)过程
y_lag <- lagpad(y, -1)
-
适合所有型号
list_models_AR= lapply(y, function(y)
with(x, lm(y ~ mktrf + smb + hml + y_lag, na.action = na.exclude)))
我搞不清楚如何使用
lapply
在这种情况下,由于
y\u滞后
需要调用,每个回归一个。