如何在R中运行复数值回归以实现频域去趋势？

R原生的lm()函数不支持复数值的模型矩阵，这就是你报错的核心原因——它会强制将复数转成实数（直接丢弃虚部），进而触发模型矩阵不支持复数的错误。要在R中运行复数值回归，你可以手动利用复线性回归的解析公式计算系数，无需依赖lm()。

复线性回归的核心公式 #

对于复线性模型 ( y = X\beta + \epsilon )，系数的最小二乘解为：
[
\beta = (X^H X)^{-1} X^H y
]
其中 ( X^H ) 表示矩阵 ( X ) 的共轭转置。

针对你代码的修改方案 #

结合你频域去趋势的需求，修改后的完整代码如下：

library(quantmod)
getSymbols.FRED("GDPC1", env = .GlobalEnv)

# 数据预处理：转换时间索引并提取数值（矩阵运算仅需数值，无需保留ts属性）
index(GDPC1) = as.yearqtr(index(GDPC1))
GDPC2 = as.numeric(GDPC1)
time.trend = 1:310/310
N = 310

# 构建归一化DFT矩阵
mytheta = exp(-2i*pi/N)
W = outer(0:(N-1), 0:(N-1), function(i, j) mytheta^(i*j)) / sqrt(N)

# 计算频域下的响应变量和自变量
y_fft = W %*% GDPC2
X_fft = W %*% time.trend

# 计算复回归系数
X_H = Conj(t(X_fft))  # 计算矩阵的共轭转置
beta = solve(X_H %*% X_fft) %*% X_H %*% y_fft

# 频域去趋势：得到去趋势后的频域数据
y_fft_detrended = y_fft - X_fft %*% beta

# 逆傅里叶变换回时域（W是归一化DFT矩阵，逆变换用自身的共轭转置）
GDPC_detrended = Conj(t(W)) %*% y_fft_detrended
# 提取实部（原始数据为实数，去趋势后虚部接近0，可忽略）
GDPC_detrended = Re(GDPC_detrended)

关键说明 #

1. 弃用lm()的原因：lm()的底层模型矩阵仅支持实数类型，无法处理复数，强制转换会丢失虚部信息，导致结果完全偏离预期。
2. 共轭转置的实现：R中通过Conj(t(mat))可以快速得到矩阵的共轭转置，这是复回归计算的核心步骤。
3. 逆傅里叶变换：你构建的W是归一化的DFT矩阵，其逆变换矩阵就是自身的共轭转置，因此用Conj(t(W))即可完成逆变换，最后提取实部得到时域的去趋势数据。

内容的提问来源于stack exchange，提问作者user2338823