如何基于状态数迭代马尔可夫切换向量自回归（VAR）函数？

原代码通过硬编码case_when分支仅支持2种状态，要适配任意数量的状态，核心是避免固定状态的硬编码，用动态匹配的方式处理不同状态的常数项。以下是两种高效的实现方式：

方法一：状态索引直接匹配（推荐） #

利用状态值作为索引，直接提取对应状态的常数项，无需编写多个分支，代码简洁且支持任意数量的状态：

# 假设：
# - constant是矩阵，每一列对应一个状态的常数项（列数=状态数）
# - states是向量，每个元素为当前时间步的状态（取值1到n_states）

for (i in 2:length(states)){
  current_state <- states[i]
  y[, i] <- constant[, current_state] + theta %*% (y[, (i-1)] - mean) + et[, i]
}

说明 #

• 只要states中的取值范围是1到状态总数，且constant的列数与状态数一致，就能自动适配3种及以上的状态。
• 这种方法避免了冗余的条件判断，运行效率更高。

方法二：动态生成case_when分支 #

如果需要保留case_when的结构，可以通过动态生成条件分支来适配多状态：

n_states <- ncol(constant)

for (i in 2:length(states)){
  # 动态生成每个状态的条件与表达式
  case_branches <- lapply(1:n_states, function(s) {
    rlang::expr(states[[i]] == !!s ~ constant[, !!s] + theta %*% (y[, (i-1)] - mean) + et[,i])
  })
  
  y[, i] <- dplyr::case_when(!!!case_branches)
}

说明 #

• 用rlang::expr和非标准求值（!!、!!!）动态构建每个状态的分支，无需手动添加新状态的代码。
• 这种方法适合需要额外状态判断逻辑的场景，但代码复杂度高于索引匹配法。

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