R：具有NA和多个因变量的时间序列回归

Question

我想运行时间序列回归，并将一系列因变量作为列。我想在一组自变量上回归每一列。我知道你可以使用

lm(dataframe~independent variables)

因为如果因变量是一个矩阵，那么它们只会遍历每一列。

但是，我的因变量是关于股票随时间变化的信息，有时候每个时间点的每一只股票都没有信息，所以我有一些NA值。我遇到的问题是，如果我使用 lm ，我必须省略NA值，即 lm 函数在运行回归时删除整行。如果我只想对一个因变量运行回归，这很好，但我有一个列表（1000+）的因变量，我想运行我的回归。因为我的数据集只有15年以上，所以非常单个时间点缺少值，所以当我运行lm回归时，我得到一个错误，因为lm函数在运行回归时删除了每一行。我能想到解决这个问题的唯一方法是运行for循环并为每个库存运行一个单独的回归，我认为这需要很长时间才能计算出来。例如，以下是我的数据示例：

              135081(P)   135084(P)    135090(P)   
1994-12-30           NA          NA           NA         
1995-01-02           NA          NA           NA          
1995-01-03     06864935          NA           NA        
1995-01-04           NA          NA  -0.05474644         
1995-01-05           NA          NA   0.20894900          
1995-01-06           NA -0.45672832  -0.02378632          

所以如果我对此运行时间序列回归，我会得到一个错误，因为lm函数会跳过每一行。

所以我的问题是，是否有另一种方法可以在具有不同DEPENDENT变量的数据框架上运行时间序列回归，其中回归“跳过”仅针对一个特定因变量的NA，而不是为每个其他依赖变量跳过它变量也是？

我不认为使用na.omit是正确的，因为它删除了我的数据集的时间序列属性，并且使用na.action = NULL不起作用，因为我的数据集中有NA。 非常感谢你的帮助。

Answer 1

您可能希望使用类似于CRAN上的Amelia 2软件包的多重插补方法，以便正确地解释由于缺失而导致的估计中的不确定性增加，并且还有助于最大程度地减少因案例删除而导致的偏差。例如见：

Honaker，J。和King，G。（2010）。如何处理时间序列横截面数据中的缺失值。 美国政治学杂志，54（2）：561-581。