R 中按组滚动 Window 回归（带日期）

Question

这是我的数据

我在 R 中有一个面板数据，所以我想按组创建滚动 window 线性回归。例如，我有很多日期，从 1 到 618。每个数字代表一个日期，但我对每个日期都有多个观察结果。

我想为 20 个日期创建滚动 window。最后，我想在 1:20 期间输出 lm(y~x1+x2+x3+x4+x5+x6) 的所有系数，并滚动 window 为 [= 做另一个回归26=]、3:22.. 等等我所有的观察，所以最后的系数是 598:618 期间的（我有 618，所以我不能手动做）。

我的问题是我 select 一个 window 进行了 20 次观察，但我只得到 select 这 20 次第一次观察，例如： 1个 1个 1个 1个 1个 1个 1 .... 1 并且可能前 20 个观测值只是第一个日期 (1) 的观测值，因为按日期有多个观测值。所以我想按组过滤 20 个观察结果，实际上这将超过 20 个观察结果，但我想按日期滚动（日期 1 到日期 20，不管观察结果如何。

在那之后，我需要用 Newey West 方法进行估计，所以我需要在最终代码中包含类似的东西并输出所有系数和 t 统计量。

neweywest <- coeftest(LMOBJECT, vcov. = NeweyWest, lag=12)

希望大家理解清楚。

Answer 1

您可以像这样为给定的日期间隔创建多个线性模型：

library(tidyverse)

# example data
set.seed(1337)
n_dates <- 10
data <- tibble(
  date = runif(100, min = 1, max = n_dates) %>% floor(),
  x1 = runif(100)**2,
  x2 = runif(100) * 2,
  x3 = runif(100) + 2,
  y = x1 + 2 * x2 + runif(100)
) %>%
  arrange(date)
data
#> # A tibble: 100 × 5
#>     date         x1    x2    x3     y
#>    <dbl>      <dbl> <dbl> <dbl> <dbl>
#>  1     1 0.754      0.700  2.21 2.79 
#>  2     1 0.0230     1.97   2.70 4.89 
#>  3     1 0.388      0.500  2.21 1.54 
#>  4     1 0.225      0.135  2.87 0.849
#>  5     1 0.00000810 0.139  2.22 1.12 
#>  6     1 0.255      0.893  2.21 2.25 
#>  7     1 0.402      1.37   2.06 3.51 
#>  8     1 0.00275    0.363  2.68 0.984
#>  9     2 0.238      1.68   2.53 3.98 
#> 10     2 0.0309     1.47   2.05 3.69 
#> # … with 90 more rows

# number of rows per day
data %>% count(date)
#> # A tibble: 9 × 2
#>    date     n
#>   <dbl> <int>
#> 1     1     8
#> 2     2    10
#> 3     3    15
#> 4     4     8
#> 5     5    10
#> 6     6    10
#> 7     7    12
#> 8     8     7
#> 9     9    20

# size of rolling window in days
window_size <- 3

models <- tibble(
  from = seq(n_dates),
  to = from + window_size - 1
) %>%
  mutate(
    data = from %>% map2(to, ~ data %>% filter(date >= .x & date <= .y)),
    model = data %>% map(possibly(~ lm(y ~ x1 + x2 + x3, data = .x), NA))
  )
models
#> # A tibble: 10 × 4
#>     from    to data              model    
#>    <int> <dbl> <list>            <list>   
#>  1     1     3 <tibble [33 × 5]> <lm>     
#>  2     2     4 <tibble [33 × 5]> <lm>     
#>  3     3     5 <tibble [33 × 5]> <lm>     
#>  4     4     6 <tibble [28 × 5]> <lm>     
#>  5     5     7 <tibble [32 × 5]> <lm>     
#>  6     6     8 <tibble [29 × 5]> <lm>     
#>  7     7     9 <tibble [39 × 5]> <lm>     
#>  8     8    10 <tibble [27 × 5]> <lm>     
#>  9     9    11 <tibble [20 × 5]> <lm>     
#> 10    10    12 <tibble [0 × 5]>  <lgl [1]>

models %>%
  filter(!is.na(model)) %>%
  transmute(
    from, to,
    coeff = model %>% map(coefficients),
    r2 = model %>% map_dbl(~ .x %>% summary() %>% pluck("r.squared"))
  ) %>%
  unnest_wider(coeff)

# A tibble: 9 x 7
#   from    to `(Intercept)`    x1    x2      x3    r2
#  <int> <dbl>         <dbl> <dbl> <dbl>   <dbl> <dbl>
#1     1     3         0.601 0.883  2.07 -0.0788 0.970
#2     2     4         0.766 0.965  2.01 -0.141  0.965
#3     3     5         0.879 0.954  1.94 -0.165  0.953

另一种分组子集的方法是使用nest:

# get all observations from day 3 to 5
data %>% arrange(date) %>% nest(-date) %>% slice(3:5) %>% unnest()

R 中按组滚动 Window 回归（带日期）

Rolling Window Regression by group in R (with dates)

r

window

regression

rolling-computation

panel-data