MATLAB时间序列回归，处理NaN

Question

为了提供一个最小的示例（我想在众多应用程序中使用此解决方案），我正在使用MATLAB中的regress函数。

我在MATLAB中拥有的数据是（每月）时间序列，但是某些序列开始时缺少一些数据点。

让我们说Y是任意回归模型中的因变量，我想运行10个回归模型，

$$ Y_t = \ alpha + X_ {i，t-1} $$

因此，我想运行9个模型，其中Y是因变量，每个模型的解释变量从$ X_2 $变为$ X_10 $。

为清楚起见，我想运行9个模型（见图），

我遇到的问题是，我希望第一个使用Y（即data(:,1)）和X2（即data（：，2））的模型使用前1000个观测值，但是对于X3，是988个观测值，因此在进行回归时，我想对Y和X3使用988个观测值。

在其他问题中，人们建议将NaN更改为0，但这是不可能的。编辑（显然可以更改为零，但是对于我的模型规范来说这是不可能的）。

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
b = regress(data(:,1),data(:,ii))
end

这个问题有所不同，因为它使用了回归函数（昨天是简单的均值），回答者也提供了很多细节和实际可行的解决方案。

Answer 1

只需选择非NaNs

%Data
data = rand(1000,10); %add NaNs randomly at the start of the series. 

%Regression
for ii = 2:10
   notnans=~isnan(data(:,ii)); % assuming data(:,1) has no NaNs
   b = regress(data(notnans,1),data(notnans,ii))
end