Question

我通过在价格系列中拟合曲线来运行R中的估算。我想通过对关键参数m和omega进行非常小的变化来评估曲线的适应性。为此，我想看看残差平方和如何在最佳状态下变化。我定义了残差函数如下：

# Define function for sum of squared residuals, to evaluate the fitness of parameters m and omega
residuals <- function(m, omega, tc) {
  lm.result <- LPPL(rTicker, m, omega, tc)
  return(sum((FittedLPPL(rTicker, lm.result, m, omega, tc) - rTicker$Close) ** 2))
}

然后，我可以在最佳状态下产生SSR的绝对值，如下所示：

#To return value of SSR
residvalue <- residuals(m, omega,tc)

我想要做的是在m（然后是omega）的一系列值上重复此代码。

例如，如果最佳m = 0.5，我想运行该代码来计算m值的序列的对象'residvalue'，该值位于0 <0之间。 m＆lt; 1，间隔大小= 0.01（即对100个不同的SSR值运行100次）。然后，我想将这些得到的SSR值存储在一个向量中（然后我可以将其转换为观察数据帧）。这似乎是一项微不足道的任务，但我不知道如何去做。任何帮助将不胜感激。

Answer 1

您可以使用sapply：

sapply(seq(0,1,0.01),function(m) residuals(m,omega,tc))

在R中重复一段代码并将结果存储为向量

1 个答案: