我想知道如何创建一个双循环。 在我的代码中,我对1000个样本进行了多元回归(每个样本大小:25) 然后,我使用null假设为1000中的每个样本创建t个测试值:样本中的β3值='真实'beta3值。我知道蒙特卡罗模拟中的'真实'beta3值(beta 3 =回归的第三系数值)。 但是,代码到目前为止工作。 现在,我想对50,100,250,500和1000(每个样本大小1000次)的样本大小执行相同的过程。 如何通过循环实现这一目标。如果你能帮助我,我会很高兴的!在这里你可以看到我的代码:
n <- 25
B <- 1000
beta3 <- 1.01901 #'real' beta3 value
t.test.values <- rep(NA, B)
for(rep in 1:B){
##data generation
d1 <- runif(25, 0, 1)
d2 <- rnorm(25, 0, 1)
d3 <- rchisq(25, 1, ncp=0)
x1 <- (1 + d1)
x2 <- (3 * d1 + 0.6 * d2)
x3 <- (2 * d1 + 0.6 * d3)
exi <- rchisq(25, 5, ncp = 0)
y <- beta0 + beta1*x1 + beta2*x2 + beta3*x3 + exi
## estimation
lmobj <- lm(y ~ x1 + x2 + x3)
## extraction
betaestim <- coefficients(lmobj)[2:4]
betavar <- vcov(lmobj)[2:4, 2:4]
## t-test
t.test.values[rep] <- (betaestim[3] - beta3)/sqrt((betavar)[9])
}
答案 0 :(得分:0)
我们可以使用data.frame
来存储结果。另请注意,您没有包含beta0
,beta1
或beta2
的值,因此我只使用了占位符值。
n <- c(50,100,250,500,1000) #how big are our sample sizes?
B <- 1000
beta3 <- 1.01901 #'real' beta3 value
#other beta values (note that these were not included in your question)
beta1 <- 2
beta2 <- 4
beta0 <- 6
iter <- 1
#initialize our results data.frame
result_df <- data.frame(sample_size = numeric(length(n) * B),
t.test.values = numeric(length(n) * B)
)
for(size in n){
for(rep in 1:B){
##data generation
d1 <- runif(size, 0, 1)
d2 <- rnorm(size, 0, 1)
d3 <- rchisq(size, 1, ncp=0)
x1 <- (1 + d1)
x2 <- (3 * d1 + 0.6 * d2)
x3 <- (2 * d1 + 0.6 * d3)
exi <- rchisq(size, 5, ncp = 0)
y <- beta0 + beta1*x1 + beta2*x2 + beta3*x3 + exi
## estimation
lmobj <- lm(y ~ x1 + x2 + x3)
## extraction
betaestim <- coefficients(lmobj)[2:4]
betavar <- vcov(lmobj)[2:4, 2:4]
## store our values
result_df[iter, 1] <- size
result_df[iter, 2] <- (betaestim[3] - beta3)/sqrt((betavar)[9])
iter = iter + 1 #iterate
}
}
只要你使用某些东西来跟踪迭代(我在这里使用iter
),双for
循环就不会太糟糕了。只需确保将data.frame
初始化为正确的大小。如果您计划进行更多模拟,查看replicate
函数和*apply
类函数可能会有所帮助。