Question

我试图对25个不同的投资组合进行类似的回归，然后找到所有25个回归的R ^ 2。显然我可以通过运行

单独完成它们

P1<-lm(formula = df[1:24,1] - RiskFree ~ Mkt.RF + SMB + HML, data = df ) 
summary(P1)$r.squared

25次以获得所有真正耗时的r.square（无法想象它是否为100或更高）。我想做了一个循环，这里是我被卡住的地方。这就是我所做的

sequence<-seq(1,25)
P<-cbind(sequence)
for(i in 2:26){
P[i-1]<-lm(formula = df[1:24,i] - RiskFree ~ Mkt.RF + SMB + HML, data = df )
return(summary(P[i-1])$r.squared)

返回错误

摘要中的错误（P [i - 1]）$ r.squared： $运算符对原子向量无效另外：警告信息：在P [i-1]＆lt; -lm（公式= df [1:24，i] - RiskFree~Mkt.RF + SMB +：要替换的项目数量不是替换长度的倍数

如何获取R ^ 2然后将它们放在矩阵形式中？

（编辑）这是我正在处理的样本数据

df <- "Year SMALL.LoBM ME1.BM2  ME1.BM3  ME1.BM4 Mkt.RF SMB   HML   RiskFree
       1991   -4.61    22.74     16.42    27.89   37.88 2.59 13.60  23.22   
       1992    8.20    20.59     22.90    25.94   40.05 6.66 15.14  16.04
       1993    1.20    12.41     19.27    21.39   37.59 5.46 17.19  23.40   
       1994   -22.67   -0.56     -3.86    1.34     1.93 -3.38-2.28  0.25    
Data <- read.table(text=df, header = TRUE)

Answer 1

你不需要循环。而是使用lm接受多个响应变量：

fits <- summary(lm(cbind(mpg, hp) ~ wt, data = mtcars))
#or summary(lm(as.matrix(mtcars[, c(1, 4)]) ~ wt, data = mtcars))
sapply(fits, `[[`, "r.squared")
#Response mpg  Response hp 
#   0.7528328    0.4339488

这不仅更优雅，而且效率更高。

循环回归并以矩阵形式获取汇总统计

1 个答案: