时间戳

首页 > 解决方案 > 循环嵌套循环（在 R 或 Stata 中）

r - 循环嵌套循环（在 R 或 Stata 中）

问题描述

我有一个 60 维的嵌套循环，即我将 60 个循环相互嵌套。在 Stata 中，MWE 如下所示：

forvalues i = 1/60 {
    forvalues j = 1/60 {
        forvalues k = 1/60 {
            forvalues l = 1/60 {
                ... imagine the 56 remaining loops here
            }
        }
    }
}

R中的等价物是：

for(i in 1:60) {
    for(j in 1:60) {
        for(k in 1:60) {
            for(l in 1:60) {
                ... imagine the 56 remaining loops here
            }
        }
    }
}

这里的目标是避免在我的代码中输入所有 60 个级别，而是为循环结构本身创建一个循环。这个问题显得如此微不足道。但由于某种原因，我正在努力想出一个解决方案。

感谢您的任何建议。

附加信息：

我有一个包含 60 个解释变量的数据集，并希望对这些变量的每种可能组合进行回归。更具体地说，我分别对所有 60 个解释变量运行因变量的单变量回归并计算某些标准。然后我在估计方程中添加第二个回归量并再次计算标准。即reg DependentVar ExplVar1 ExplVar2, reg DependentVar ExplVar1 ExplVar3, ..., reg DependentVar ExplVar60 ExplVar59。根据计算的标准，该回归树的一个分支要么被推进，要么被终止。例如，第一个分支reg DependentVar ExplVar1 ExplVar2要么继续增长reg DependentVar ExplVar1 ExplVar2 ExplVar3，reg DependentVar ExplVar1 ExplVar2 ExplVar4等等，要么终止为reg DependentVar ExplVar1 ExplVar2。包含不止一次解释因素的分支也会被删除 - 例如reg DependentVar ExplVar1 ExplVar1或reg DependentVar ExplVar1 ExplVar2 ExplVar1. 总的来说，我因此设计了一种模型选择方法。我知道已经存在的模型选择命令，但需要一个针对给定数据集的特定属性定制的命令。

标签： rloopsstatanested-loops

解决方案

考虑rapply与combn。下面演示了 5 个解释变量。对于实际用例：

  • 替换paste0("ExplVar", 1:5)为 60 个变量的名称（可能使用names(df)）
  • 替换包含简单单变量回归1:5的序列1:60
  • 用实际因变量替换DepVar

作为apply系列的递归成员，rapply（我做梦也没想到会因为 SO 答案而被淘汰！）将从嵌套列表中构建线性公式的字符向量，然后可以使用以下代码进行迭代lm：

expvar_list <- lapply(1:5, function(x) combn(paste0("ExplVar", 1:5), x, simplify=FALSE))

formulas_list <- rapply(expvar_list, function(x) paste("DepVar ~", paste(x, collapse="+")))
formulas_list
#  [1] "DepVar ~ ExplVar1"                                    
#  [2] "DepVar ~ ExplVar2"                                    
#  [3] "DepVar ~ ExplVar3"                                    
#  [4] "DepVar ~ ExplVar4"                                    
#  [5] "DepVar ~ ExplVar5"                                    
#  [6] "DepVar ~ ExplVar1+ExplVar2"                           
#  [7] "DepVar ~ ExplVar1+ExplVar3"                           
#  [8] "DepVar ~ ExplVar1+ExplVar4"                           
#  [9] "DepVar ~ ExplVar1+ExplVar5"                           
# [10] "DepVar ~ ExplVar2+ExplVar3"                           
# [11] "DepVar ~ ExplVar2+ExplVar4"                           
# [12] "DepVar ~ ExplVar2+ExplVar5"                           
# [13] "DepVar ~ ExplVar3+ExplVar4"                           
# [14] "DepVar ~ ExplVar3+ExplVar5"                           
# [15] "DepVar ~ ExplVar4+ExplVar5"                           
# [16] "DepVar ~ ExplVar1+ExplVar2+ExplVar3"                  
# [17] "DepVar ~ ExplVar1+ExplVar2+ExplVar4"                  
# [18] "DepVar ~ ExplVar1+ExplVar2+ExplVar5"                  
# [19] "DepVar ~ ExplVar1+ExplVar3+ExplVar4"                  
# [20] "DepVar ~ ExplVar1+ExplVar3+ExplVar5"                  
# [21] "DepVar ~ ExplVar1+ExplVar4+ExplVar5"                  
# [22] "DepVar ~ ExplVar2+ExplVar3+ExplVar4"                  
# [23] "DepVar ~ ExplVar2+ExplVar3+ExplVar5"                  
# [24] "DepVar ~ ExplVar2+ExplVar4+ExplVar5"                  
# [25] "DepVar ~ ExplVar3+ExplVar4+ExplVar5"                  
# [26] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar4"         
# [27] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar5"         
# [28] "DepVar ~ ExplVar1+ExplVar2+ExplVar4+ExplVar5"         
# [29] "DepVar ~ ExplVar1+ExplVar3+ExplVar4+ExplVar5"         
# [30] "DepVar ~ ExplVar2+ExplVar3+ExplVar4+ExplVar5"         
# [31] "DepVar ~ ExplVar1+ExplVar2+ExplVar3+ExplVar4+ExplVar5"

models_list <- lapply(formulas_list, function(x) summary(lm(as.formula(x), mydata)))

注意：请注意，不同长度的 60 个变量的组合数量非常多！

推荐阅读