simulieren eines linearen Modells 100 mal

Muss ich simulieren Sie n=100 mal ein lineares Modell, aber verloren in der R-Befehle.

Ich bin immer noch lernen, die Grundlagen der Statistik und R, und ich bin ein bisschen verwirrt mit dieser übung:

Muss ich replizieren, eine grundlegende lineare Modell 100-mal mit OLS und sammeln Sie die N-Schätzungen, um einen test durchführen, der Konsistenz und Effizienz. Ich habe versucht, das problem auf diese Weise:

a <- 3
B <- 0.5
C <- -0.7

for (i in 1:100){
   x1[i] <- rnorm(200, mean=0, sd=1)
   x2[i] <- rnorm(200, mean=0, sd=1) 
   e[i] <- rnorm(200, mean=0, sd=1)
   y1[i] <- a+(B*x1[i])+(C*x2[i])+e[i] 

   y<- lm(y1[i]~x1[i]+x2[i]))
   results <-data.frame(coef(y))
}

aber R sagt mir, es gibt Fehler. Könnte mir jemand helfen mit diesem?

  • Willkommen im Lebenslauf, Karl! Da dein problem wirklich stammt Sie aus, wie Sie sollen und Adresse arrays in R ist es auch besser SO, wo wir migrieren. Jedoch, durch auf der Suche CV - oder einfach nur Lesen, genug Fragen-finden Sie viele Beispiele genau dieser Art von simulation hier mit dem vollständigen code und die Ausgabe, die Sie sofort einsetzen können.
  • Was bedeutet "CV" stehen?
  • CrossValidated: stats.stackexchange.com , die StackExchange Seite für die Statistiken
InformationsquelleAutor | 2013-01-28
  1. 7

    Etwas wie:

    a <- 3
B <- 0.5
C <- -0.7

results <- matrix(nrow=100,ncol=3)
for (i in 1:100){
   x1 <- rnorm(200, mean=0, sd=1)
   x2 <- rnorm(200, mean=0, sd=1) 
   e <- rnorm(200, mean=0, sd=1)
   y1 <- a+B*x1+C*x2+e 

   y<- lm(y1~x1+x2)
   results[i,] <- coef(y)
}

    Davon ausgegangen, dass Sie brauchen nur zu sparen, werden die Koeffizienten von jedem ausgeführt werden. Eine elegantere Lösung wäre so etwas wie:

    simfun <- function(a=3,B=0.5,C=-0.7,n=200,x1.sd=1,x2.sd=1,e.sd=1) {
   x1 <- rnorm(n, mean=0, sd=x1.sd)
   x2 <- rnorm(n, mean=0, sd=x2.sd) 
   e <-  rnorm(n, mean=0, sd=e.sd)
   y1 <- a+B*x1+C*x2+e 
   data.frame(x1,x2,y1)
}

statfun <- function(d) {
    coef(lm(y1~x1+x2,data=d))
}

library(plyr)
raply(100,statfun(simfun()))
    • Sie könnte wahrscheinlich loswerden plyr und verwenden nur replicate - aber jedem das seine.
    • Ja. Ich mag raply's bequem built-in-progress-bar, aber das ist weder notwendig noch hier gezeigt.
    InformationsquelleAutor Ben Bolker
  2. 0
        a <- 3
    B <- 0.5
    C <- -0.7
    sims <- 100

    #initialize a data frame to collect results
    df <- data.frame(matrix(ncol = 3, nrow = sims))
    colnames(df) <- c('a', 'B' , 'C')

    for(i in 1:sims){
    ##vectors each  200 long 
    x1 <- rnorm(200)
    x2 <- rnorm(200)
    e <- rnorm(200)

    y <- a + B*x1 + C*x2 +e
    #collect results for each itter
    df[i,] <- data.frame(t(lm(y ~x1 + x2)$coeff))
    }

    #results
    df
    • Gleiche wie Ben die Lösung-vielleicht sollte ich löschen, sobald ich herausfinden, wie
    InformationsquelleAutor user2016781
Schreibe einen Kommentar