计算变化数据的斜率

Question

在R中，我有一个（x，y）点的数据集，不断通过模拟更新（值附加到数据集的末尾）。

我想计算仅使用最后10个列出的数据点的数据创建的线的斜率（通过线性模型）。

这里的混乱源于数据正在发生变化，因此我怀疑可能需要循环来迭代数据点的索引。

在R中，人们通常会做类似

的事情

linreg <- lm(y ~ x, data = d) # set up linear model
summary.linreg <- summary(linreg) # output summary of model
beta1 <- coef(summary.linreg)[2] # extract slope

我的案例中需要的更改是在linreg中，特别是

linreg <- lm(y[?] ~ x[?], data = d) # subset response and predictor

对于10 x-y点的非变化数据集，只需执行[？] = [1:10]即可解决问题。在我的情况下，我对于有效进行的最佳方式处于停滞状态。

有什么想法吗？

Answer 1

不，不要在公式内部进行子集化。子集data.frame。在循环内部，每次数据库更新后，执行以下操作：

linreg <- lm(y ~ x, data = tail(d, 10))

如果要循环遍历data.frame行，请执行以下操作：

linreg <- lm(y ~ x, data = d[i:(i+9),])

如果您的data.frame很大并且您只需要斜率，则应使用更低级别的函数lm.fit以获得更好的性能。可能还有包提供滚动回归功能的包。