Мне нужно запустить набор линейных моделей для каждого уникального идентификатора, но сначала мне нужно сделать чек. Для каждого уникального идентификатора и года мне нужно проверить, что есть не менее 24 месяцев предыдущих ежемесячных данных, но не более 60 месяцев. Поэтому, когда я запускаю регрессию, он должен включать от 24 до 60 наблюдений за предыдущие месячные (годы) данные за каждый год каждого человека. Если в течение этого года имеется менее 24 месяцев данных, год для этого человека снижается, но если их более 60, то используются только 60 месяцев.dplyr и предыдущие наблюдения
Благодаря сообщению this (спасибо @akrun), мне удалось настроить линейные модели для каждого пользователя, запустить их, а затем вывести бета-версию в виде суммы обеих бета-версий. Проблема в том, что это только регрессия в текущем году (12 сб), а не предыдущие 24-60.
Edit: я понял, что был неправ dput ... извините
Single CUSIP dput:
tdata <- structure(list(cusip = c(101L, 101L, 101L, 101L, 101L, 101L,
101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L,
101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L,
101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L,
101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L, 101L,
101L, 101L, 101L), date = c(19901130L, 19901031L, 19900928L,
19900831L, 19900731L, 19900629L, 19900531L, 19900430L, 19900330L,
19900228L, 19900131L, 19891229L, 19891130L, 19891031L, 19890929L,
19890831L, 19890731L, 19890630L, 19890531L, 19890428L, 19890331L,
19890228L, 19890131L, 19881230L, 19881130L, 19881031L, 19880930L,
19880831L, 19880729L, 19880630L, 19880531L, 19880429L, 19880331L,
19880229L, 19880129L, 19871231L, 19871130L, 19871030L, 19870930L,
19870831L, 19870731L, 19870630L, 19870529L, 19870430L, 19870331L,
19870227L, 19870130L, 19861231L, 19861128L, 19861031L, 19860930L,
19860829L, 19860731L), fyear = c("1990", "1990", "1990", "1990",
"1990", "1990", "1990", "1990", "1990", "1990", "1990", "1989",
"1989", "1989", "1989", "1989", "1989", "1989", "1989", "1989",
"1989", "1989", "1989", "1988", "1988", "1988", "1988", "1988",
"1988", "1988", "1988", "1988", "1988", "1988", "1988", "1987",
"1987", "1987", "1987", "1987", "1987", "1987", "1987", "1987",
"1987", "1987", "1987", "1986", "1986", "1986", "1986", "1986",
"1986"), month = c("11", "10", "09", "08", "07", "06", "05",
"04", "03", "02", "01", "12", "11", "10", "09", "08", "07", "06",
"05", "04", "03", "02", "01", "12", "11", "10", "09", "08", "07",
"06", "05", "04", "03", "02", "01", "12", "11", "10", "09", "08",
"07", "06", "05", "04", "03", "02", "01", "12", "11", "10", "09",
"08", "07"), ret = c("0.117647", "0.030303", "-0.161017", "-0.186207",
"-0.131737", "0.128378", "0.027778", "-0.162791", "0.131579",
"0.178295", "-0.091549", "0.163934", "-0.089552", "0.007519",
"0.117647", "0.155340", "0.211765", "0.024096", "0.338710", "0.377778",
"0.071429", "-0.176471", "0.378378", "-0.026316", "-0.050000",
"-0.047619", "-0.086957", "-0.061224", "0.088889", "-0.062500",
"-0.040000", "-0.056604", "0.081633", "0.042553", "-0.096154",
"0.238095", "-0.263158", "-0.393617", "-0.160714", "0.400000",
"-0.090909", "-0.200000", "-0.098361", "-0.152778", "0.000000",
"0.107692", "0.460674", "-0.101010", "-0.019802", "0.246914",
"-0.052632", "0.179310", "-0.064516"), ewretd = c(0.035468, -0.057155,
-0.080468, -0.108911, -0.025732, 0.005359, 0.045675, -0.028117,
0.021315, 0.015434, -0.046408, -0., -0.0058, -0.049934,
0.005532, 0.018626, 0.031017, -0.007744, 0.025054, 0.029089,
0.01806, 0.002988, 0.062124, 0.018872, -0.036484, -0.011485,
0.016951, -0.025001, 0.000289, 0.047677, -0.017671, 0.014016,
0.03569, 0.060265, 0.077392, 0.026065, -0.05085, -0.272248, -0.015876,
0.014544, 0.035123, 0.021487, 0.000573, -0.017709, 0.036283,
0.074612, 0.117565, -0.034609, -0.006263, 0.023777, -0.059071,
0.023269, -0.073128), lagewretd = c(-0.004526, 0.035468, -0.057155,
-0.080468, -0.108911, -0.025732, 0.005359, 0.045675, -0.028117,
0.021315, 0.015434, -0.046408, -0., -0.0058, -0.049934,
0.005532, 0.018626, 0.031017, -0.007744, 0.025054, 0.029089,
0.01806, 0.002988, 0.062124, 0.018872, -0.036484, -0.011485,
0.016951, -0.025001, 0.000289, 0.047677, -0.017671, 0.014016,
0.03569, 0.060265, 0.077392, 0.026065, -0.05085, -0.272248, -0.015876,
0.014544, 0.035123, 0.021487, 0.000573, -0.017709, 0.036283,
0.074612, 0.117565, -0.034609, -0.006263, 0.023777, -0.059071,
0.023269)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA,
-53L), .Names = c("cusip", "date", "fyear", "month", "ret", "ewretd",
"lagewretd"))
dplyr код:
res1 <- tdata %>%
group_by(cusip, fyear) %>%
arrange(desc(date)) %>%
mutate(n=n()) %>%
do(data.frame(., beta=ifelse(.$n > 2,
sum(coef(lm(ret~ewretd+lagewretd, data=.))[-1]), NA)))
Update 2: 04/13/2015
Вот цикл for
, который я мог бы подумать, что решит проблему, но опять же, for
петли в R не являются наиболее эффективным решением.
for (i : unique(cusip)){
for (j : unique(fyear)){
check <- filter(tdata, fyear == i & fyear == i-1 & fyear == i-2 & fyear == i-3 & fyear == i-4)
ifelse(length(check$month < 24), tdata$beta == NA, if(length(check$month >= 60)){
arrange(check, desc(date)),
filter(check, month[1:60,]),
check$beta <- sum(coef(lm(ret~ewretd+lagewretd, data = check))[-1])),
left_join(tdata, check, by=c("cusip", fyear == j))}
Update 3: Полный образец набор
Это включает в себя все набл, что является достаточно большим (323mb)
Спасибо ...проблема, которую я испытываю с первого шага, состоит в том, что, поскольку год не имеет 24-60 месяцев предыдущих наблюдений, это означает, что его нельзя исключать, поскольку за несколько лет до этого могли зависеть эти наблюдения. Вот почему проверка должна работать до того, как будет применена регрессия. Я обновил ответ с полным набором данных, если вы хотите взломать его. Я бы оценил это :) – Vedda
Когда вы говорите первый шаг , ссылаетесь ли вы на формирование 'yearstuff' или' if' часть внутри 'ddply()'? Я думаю (по крайней мере) один из нас не понимает другого. Я перебираю уникальные комбинации 'cusip' и' fyear' и беру все данные из 'tdata' для этого' cusip', вплоть до этого 'fyear'. Если этого достаточно, я подхожу к модели (но не использую более 60 месяцев). Нет глобального смысла, когда год либо включен, либо исключен. Это зависит от контекста. – jennybryan
Хорошо, я вижу, что происходит сейчас. Это займет много времени с 1,1 м об. Любой способ ускорить его? Вот почему я работал в 'dplyr' – Vedda