Question

我正在尝试将滚动窗口回归模型应用于我的数据中的多个组。部分数据如下：

     gvkey year          LC      YTO
1   001004 1972   0.1919713 2.021182
2   001004 1973   0.2275895 2.029056
3   001004 1974   0.3341368 2.053517
4   001004 1975   0.3313518 2.090532
5   001004 1976   0.4005829 2.136939
6   001004 1977   0.4471945 2.123909
7   001004 1978   0.4442004 2.150281
8   001004 1979   0.5054544 2.173162
9   001004 1980   0.5269449 2.188077
10  001004 1981   0.5423774 2.200805
11  001004 1982   0.3528982 2.200851
12  001004 1983   0.3674031 2.190487
13  001004 1984   0.2267620 2.181291
14  001004 1985   0.2796132 2.159443
15  001004 1986   0.3382120 2.128420
16  001004 1987   0.3214131 2.089670
17  001004 1988   0.3883732 2.048279
18  001004 1989   0.4466488 1.999539
19  001004 1990   0.4929991 1.955500
20  001004 1991   0.5150894 1.934893
21  001004 1992   0.5218845 1.925521
22  001004 1993   0.5038105 1.904241
23  001004 1994   0.5041639 1.881731
24  001004 1995   0.5196658 1.863143
25  001004 1996   0.5352994 1.844464
26  001004 1997   0.4556059 1.835676
27  001004 1998   0.4905767 1.837886
28  001004 1999   0.5471959 1.824636
29  001004 2000   0.5920976 1.814944
30  001004 2001   0.5998172 1.893943
31  001004 2002   0.4499911 1.889703
32  001004 2003   0.4207154 1.870703
33  001004 2004   0.4371594 1.831638
34  001004 2005   0.4525900 1.802684
35  001004 2006   0.4342149 1.781757
36  001004 2007   0.4899473 1.753360
37  001004 2008   0.5436673 1.680464
38  001004 2009   0.5873861 1.612499
39  001004 2010   0.5216734 1.544322
40  001004 2011   0.5592963 1.415892
41  001004 2012   0.5627509 1.407393
42  001004 2013   0.5904637 1.384202
43  001004 2014   0.6170085 1.353340
44  001004 2015   0.7145900 1.314014
45  001007 1975   0.3721916 2.090532
46  001007 1976   0.2760902 2.136939
47  001007 1977   0.1866554 2.123909
48  001007 1978   0.1977654 2.150281
49  001007 1979   0.1927100 2.173162
50  001007 1980   0.2112344 2.188077
51  001007 1981  -0.2141724 2.200805
52  001007 1982  -0.2072785 2.200851
53  001007 1983  -1.7406963 2.190487
54  001007 1984 -14.8071429 2.181291
55  001009 1982  -1.2753247 2.200851
56  001009 1983   1.3349904 2.190487
57  001009 1984   2.6192237 2.181291
58  001009 1985   0.5867925 2.159443
59  001009 1986   0.6959436 2.128420
60  001009 1987   0.7142857 2.089670
61  001009 1988   0.7771897 2.048279
62  001009 1989   0.8293820 1.999539
63  001009 1990   0.8655382 1.955500
64  001009 1991   0.8712144 1.934893
65  001009 1992   0.8882548 1.925521
66  001009 1993   0.9190540 1.904241
67  001009 1994   0.9411806 1.881731
68  001010 1971   0.6492499 2.002337
69  001010 1972   0.6667664 2.021182
70  001010 1973   0.6840115 2.029056
71  001010 1974   0.7011797 2.053517
72  001010 1975   0.7189469 2.090532
73  001010 1976   0.7367344 2.136939
74  001010 1977   0.7511779 2.123909
75  001010 1978   0.7673365 2.150281
76  001010 1979   0.7795880 2.173162
77  001010 1980   0.7824448 2.188077
78  001010 1981   0.7821913 2.200805
79  001010 1982   0.7646078 2.200851
80  001010 1983   0.7426172 2.190487
81  001010 1984  -0.0657935 2.181291
82  001010 1985   0.2802410 2.159443
83  001010 1986   0.2052373 2.128420
84  001010 1987   0.2465290 2.089670
85  001010 1988   0.3437856 2.048279
86  001010 1989   0.7398662 1.999539
87  001010 1990   0.6360582 1.955500
88  001010 1991   0.7790707 1.934893
89  001010 1992   0.7588472 1.925521
90  001010 1993   0.7695341 1.904241
91  001010 1994   0.8060759 1.881731
92  001010 1995   0.8381234 1.863143
93  001010 1996   0.8661541 1.844464
94  001010 1997   0.8700456 1.835676
95  001010 1998   0.8748443 1.837886
96  001010 1999   0.8884077 1.824636
97  001010 2000   0.8979903 1.814944
98  001010 2003   0.6812689 1.870703
99  001011 1983   0.3043007 2.190487
100 001011 1984   0.3080601 2.181291

我的功能是

Match.LC.YTO<-function(x){rollapplyr(x,width=10,by.column=F,fill=NA, FUN=function(m){
  temp.1<-lm(LC~YTO,data=m)
  summary(temp.1)$r.squared*(sign(summary(temp.1)$coefficients[2,1]))
})}

df<-df%>%group_by(gvkey)%>%mutate(MTCH=Match.LC.YTO(df))

我的数据按gvkey分组，对于每个组，我需要计算一个名为“MTCH”的变量，它等于R平方值乘以线性模型LC~YTO中YTO系数的符号，以及模型估计在10个观测值的滚动窗口。我收到了错误消息：

Error in mutate_impl(.data, dots) : 
  'data' must be a data.frame, not a matrix or an array

我已经检查过许多关于rollapply和rollapplyr函数的帖子，有些人建议我在使用rollapply函数之前需要将我的df转换为zoo或matrix，但它仍然无效。

Answer 1

动物园中的

rollapply将接受普通矩阵和数据框参数。那不是问题。以下是此代码的问题：

代码将矩阵传递给lm，但lm获取data.frame
代码尝试在最后一组中少于10行的对象上使用宽度为10的rollapply
如果截距完全吻合，那么lm将没有第二个系数，因此对coefficients[2, 1]的引用将失败并显示错误。

虽然没有错误，但以下是需要改进的地方：

TRUE和FALSE应该完整写出，因为T和F是有效的变量名称，因此非常容易出错。
在dplyr中使用group_by时始终将其与ungroup匹配。如果你不这样做那么输出将记住分组，下次你使用输出你会得到一个惊喜。例如，考虑以下两个片段之间的差异。第一个结果是n是该行所属的组中元素的数量，而第二个结果是n是out中的行数。
```
out <- df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO))
out %>% mutate(n = n())

out <- df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO)) %>% ungroup
out %>% mutate(n = n())
```
对SO的问题应该是自包含且可重复的，因此不应省略library语句，并且应以可重现的方式提供数据

要解决这些问题，我们

在partial = TRUE中使用rollapply，允许它传递少于10行的对象。
直接传递涉及的变量
rollapply在行号上。
如果系数向量只有1个元素，则在要拾取的系数的末尾添加NA。
为清楚起见，我们已将问题中匿名的lm_summary功能分开
对于再现性，我们添加了library语句和最后的注释

修订后的代码是：

library(dplyr)
library(zoo)

Match.LC.YTO <- function(LC, YTO) {

   lm_summary <- function(ix) {
      temp.1 <- lm(LC ~ YTO, subset = ix)
      summary(temp.1)$r.squared * sign(c(coef(temp.1), NA)[2])
   }

   rollapplyr(seq_along(LC), width = 10, FUN = lm_summary, partial = TRUE)
}

df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO(LC, YTO)) %>% ungroup

如果您希望使用fill = NA partial = TRUE {}}，那么请添加一个系列长度小于系列宽度的检查，即小于10：

Match.LC.YTO2 <- function(LC, YTO) {

   lm_summary <- function(ix) {
      temp.1 <- lm(LC ~ YTO, subset = ix)
      summary(temp.1)$r.squared * sign(c(coef(temp.1), NA)[2])
   }

  if (length(LC) < 10) return(NA) ##
  rollapplyr(seq_along(LC), width = 10, FUN = lm_summary, fill = NA)
}

df %>% group_by(gvkey) %>% mutate(MTCH = Match.LC.YTO2(LC, YTO)) %>% ungroup

注1

为了重现性，我们将其用作输入df：

Lines <- "     gvkey year          LC      YTO
1   001004 1972   0.1919713 2.021182
2   001004 1973   0.2275895 2.029056
3   001004 1974   0.3341368 2.053517
4   001004 1975   0.3313518 2.090532
5   001004 1976   0.4005829 2.136939
6   001004 1977   0.4471945 2.123909
7   001004 1978   0.4442004 2.150281
8   001004 1979   0.5054544 2.173162
9   001004 1980   0.5269449 2.188077
10  001004 1981   0.5423774 2.200805
11  001004 1982   0.3528982 2.200851
12  001004 1983   0.3674031 2.190487
13  001004 1984   0.2267620 2.181291
14  001004 1985   0.2796132 2.159443
15  001004 1986   0.3382120 2.128420
16  001004 1987   0.3214131 2.089670
17  001004 1988   0.3883732 2.048279
18  001004 1989   0.4466488 1.999539
19  001004 1990   0.4929991 1.955500
20  001004 1991   0.5150894 1.934893
21  001004 1992   0.5218845 1.925521
22  001004 1993   0.5038105 1.904241
23  001004 1994   0.5041639 1.881731
24  001004 1995   0.5196658 1.863143
25  001004 1996   0.5352994 1.844464
26  001004 1997   0.4556059 1.835676
27  001004 1998   0.4905767 1.837886
28  001004 1999   0.5471959 1.824636
29  001004 2000   0.5920976 1.814944
30  001004 2001   0.5998172 1.893943
31  001004 2002   0.4499911 1.889703
32  001004 2003   0.4207154 1.870703
33  001004 2004   0.4371594 1.831638
34  001004 2005   0.4525900 1.802684
35  001004 2006   0.4342149 1.781757
36  001004 2007   0.4899473 1.753360
37  001004 2008   0.5436673 1.680464
38  001004 2009   0.5873861 1.612499
39  001004 2010   0.5216734 1.544322
40  001004 2011   0.5592963 1.415892
41  001004 2012   0.5627509 1.407393
42  001004 2013   0.5904637 1.384202
43  001004 2014   0.6170085 1.353340
44  001004 2015   0.7145900 1.314014
45  001007 1975   0.3721916 2.090532
46  001007 1976   0.2760902 2.136939
47  001007 1977   0.1866554 2.123909
48  001007 1978   0.1977654 2.150281
49  001007 1979   0.1927100 2.173162
50  001007 1980   0.2112344 2.188077
51  001007 1981  -0.2141724 2.200805
52  001007 1982  -0.2072785 2.200851
53  001007 1983  -1.7406963 2.190487
54  001007 1984 -14.8071429 2.181291
55  001009 1982  -1.2753247 2.200851
56  001009 1983   1.3349904 2.190487
57  001009 1984   2.6192237 2.181291
58  001009 1985   0.5867925 2.159443
59  001009 1986   0.6959436 2.128420
60  001009 1987   0.7142857 2.089670
61  001009 1988   0.7771897 2.048279
62  001009 1989   0.8293820 1.999539
63  001009 1990   0.8655382 1.955500
64  001009 1991   0.8712144 1.934893
65  001009 1992   0.8882548 1.925521
66  001009 1993   0.9190540 1.904241
67  001009 1994   0.9411806 1.881731
68  001010 1971   0.6492499 2.002337
69  001010 1972   0.6667664 2.021182
70  001010 1973   0.6840115 2.029056
71  001010 1974   0.7011797 2.053517
72  001010 1975   0.7189469 2.090532
73  001010 1976   0.7367344 2.136939
74  001010 1977   0.7511779 2.123909
75  001010 1978   0.7673365 2.150281
76  001010 1979   0.7795880 2.173162
77  001010 1980   0.7824448 2.188077
78  001010 1981   0.7821913 2.200805
79  001010 1982   0.7646078 2.200851
80  001010 1983   0.7426172 2.190487
81  001010 1984  -0.0657935 2.181291
82  001010 1985   0.2802410 2.159443
83  001010 1986   0.2052373 2.128420
84  001010 1987   0.2465290 2.089670
85  001010 1988   0.3437856 2.048279
86  001010 1989   0.7398662 1.999539
87  001010 1990   0.6360582 1.955500
88  001010 1991   0.7790707 1.934893
89  001010 1992   0.7588472 1.925521
90  001010 1993   0.7695341 1.904241
91  001010 1994   0.8060759 1.881731
92  001010 1995   0.8381234 1.863143
93  001010 1996   0.8661541 1.844464
94  001010 1997   0.8700456 1.835676
95  001010 1998   0.8748443 1.837886
96  001010 1999   0.8884077 1.824636
97  001010 2000   0.8979903 1.814944
98  001010 2003   0.6812689 1.870703
99  001011 1983   0.3043007 2.190487
100 001011 1984   0.3080601 2.181291"

df <- read.table(text = Lines)

注2

不再需要检查最后用##标记的行中的长度，因为最近版本的zoo会自动进行检查。

多个组内的滚动窗口回归

1 个答案:

注1

注2