多元回归方程
Multiple regression equations
有没有办法可以 运行 100 种不同的回归,并以 table 的格式得到所有方程的输出?
任何软件都可以。
我需要使用对数线性模型找出 100 种商品的增长率。所以我有 100 个方程,因变量是 ln(出口值),自变量是时间(0 到 30)。
因此 运行 单独对 100 个方程进行回归是大量的手动工作。
我只需要所有 100 个方程的 t 系数。有什么办法可以缩短这样做的时间吗?
例如,假设您在 R 中有一个数据框 commodity_data
,其中每种商品作为不同的列:
n <- ncol(commodity_data)
logslopes <- numeric(n)
tvec <- 0:(nrow(n)-1)
for (i in 1:n) {
m <- lm(log(commodity_data[,i]) ~ tvec)
slope <- coef(m)["tvec"]
logslopes[i] <- slope
}
有更巧妙的方法可以做到这一点,但这个应该可以正常工作。
有没有办法可以 运行 100 种不同的回归,并以 table 的格式得到所有方程的输出? 任何软件都可以。 我需要使用对数线性模型找出 100 种商品的增长率。所以我有 100 个方程,因变量是 ln(出口值),自变量是时间(0 到 30)。 因此 运行 单独对 100 个方程进行回归是大量的手动工作。 我只需要所有 100 个方程的 t 系数。有什么办法可以缩短这样做的时间吗?
例如,假设您在 R 中有一个数据框 commodity_data
,其中每种商品作为不同的列:
n <- ncol(commodity_data)
logslopes <- numeric(n)
tvec <- 0:(nrow(n)-1)
for (i in 1:n) {
m <- lm(log(commodity_data[,i]) ~ tvec)
slope <- coef(m)["tvec"]
logslopes[i] <- slope
}
有更巧妙的方法可以做到这一点,但这个应该可以正常工作。