R：リニアモデルを構築するために動的サイズの配列を使用するループ構造

Question

ループの繰り返しごとに、より多くの履歴データを使用してリニアモデルに適合させたいと思います。実際にコードは自明でなければなりません。問題は、DependentとIndependentが最初の反復の後にサイズが固定されていることです（コードに示されているように10のデータポイントから開始したいと思います）。動的なサイズにしたいのですが。ここで

output1 <- rep(0, 127) 
output2 <- rep(0, 127) 
ret <- function(x, y) 
{ 
    for (i in 1:127) 
    { 
    Dependent <- y[1:(9+i)] 
    Independent <- x[1:(9+i)] 
    fit <- lm(Dependent ~ Independent) 
    nextInput <- data.frame(Independent = x[(10+i)]) 
    prediction <- predict(fit, nextInput, interval="prediction") 
    output1[i] <- prediction[2] 
    output2[i] <- prediction[3] 
    } 
} 

Answer 1

思考だ、私はあなたの意図に近いよなら、私が知っている：私はモデル/予測のリストを作る代わりにforループを使用してい

set.seed(42) 
n <- 100 
x <- rnorm(n) 
head(x) 
# [1] 1.3709584 -0.5646982 0.3631284 0.6328626 0.4042683 -0.1061245 
y <- runif(n) 
head(y) 
# [1] 0.8851177 0.5171111 0.8519310 0.4427963 0.1578801 0.4423246 

ret <- lapply(10:n, function(i) { 
    dep <- y[1:i] 
    indep <- x[1:i] 
    fit <- lm(dep ~ indep) 
    pred <- 
    if (i < n) { 
     predict(fit, data.frame(indep = x[i+1L]), interval = "prediction") 
    } else NULL 
    list(fit = fit, pred = pred) 
}) 

注意。まったく同じではありませんが、this answerはこれが良いアイデアかもしれない理由を説明するまともな仕事をします。

の実行のいずれかから、モデルと予測：

ret[[50]] 
# $fit 
# Call: 
# lm(formula = dep ~ indep) 
# Coefficients: 
# (Intercept)  indep 
#  0.44522  0.02691 
# $pred 
#   fit  lwr  upr 
# 1 0.4528911 -0.1160787 1.021861 
summary(ret[[50]]$fit) 
# Call: 
# lm(formula = dep ~ indep) 
# Residuals: 
#  Min  1Q Median  3Q  Max 
# -0.42619 -0.22178 -0.00004 0.15550 0.53774 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|)  
# (Intercept) 0.44522 0.03667 12.141 <2e-16 *** 
# indep  0.02691 0.03186 0.845 0.402  
# --- 
# Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 
# Residual standard error: 0.2816 on 57 degrees of freedom 
# Multiple R-squared: 0., Adjusted R-squared: -0.004966 
# F-statistic: 0.7134 on 1 and 57 DF, p-value: 0.4018