多个样本的 R 回归

Question

我正在使用 R

我有一个面板数据集，其中包含 250 个人随时间推移的约 5000 次观察。

我需要在差异回归中建立差异，因此我对每个人进行随机观察，然后运行进行回归：

lm(x ~ x1 + x2 + ... , data = ddply(df,.(individual),function(x) x[sample(nrow(x),1),]))

生成的样本。

我需要对 n 个不同的随机样本计算 n 次回归，并计算每个估计量的平均值。

有没有一种方法可以在不手动计算和平均 n 回归的情况下有效地做到这一点？

Answer 1

已解决：

我希望找到一个特定的包来完成它，但我构建了一个函数。例如，对于 n = 700

fun <- function(alfa){
  alfa <-ddply(df,.(individual),function(x) x[sample(nrow(x),1),])
  beta <- lm(x ~ x1 + x2 + ... , data = alfa )$coefficients
  return(beta)
}

df.full <- replicate(700,fun(alfa))

这样就创建了一个700行的数据集，系数名称为行。我什至可以做这样的事情：

fun <- function(alfa){
  alfa <-ddply(df,.(individual),function(x) x[sample(nrow(x),1),])
  beta <- lm(x ~ x1 + x2 + ... , data = alfa)
  gamma <- summary(beta)[["coefficients"]][,1]
  return(gamma)

}

df.full <- replicate(700,fun(alfa))

将 [1] 更改为 [2] 我将获得标准错误。之后直接进行均值计算

多个样本的 R 回归

R regression on multiple samples

r

regression

plyr

lm

sampling