R语言使用for循环基于系数估计与实际值实现回归预测计算

前置注意事项 #

你当前的values数据框列顺序和estimates非截距项的系数顺序不匹配，直接计算会导致结果错误，需要先按系数名称对齐列顺序：

• estimates非截距项顺序：sd_rgdpg → TRADE → OPEN → DISSIM → SIZE → TF → INFL → INT → NIIP
• 你构造的values列顺序：sd_rgdpg → DISSIM → TRADE → SIZE → OPEN → TF → INFL → INT → NIIP

1. for 循环实现代码 #

# 提取非截距项系数
coef_no_intercept <- estimates[-1]
# 按系数名称对齐values的列顺序
values_aligned <- values[, names(coef_no_intercept)]
# 初始化预测值向量
y_pred <- numeric(nrow(values_aligned))
# 提取截距项
intercept_val <- estimates[["(Intercept)"]]

# 循环计算每一行样本的预测值
for (row_idx in 1:nrow(values_aligned)) {
  # 初始值为截距项
  pred_tmp <- intercept_val
  # 累加每个变量的系数*取值
  for (col_idx in 1:length(coef_no_intercept)) {
    pred_tmp <- pred_tmp + coef_no_intercept[[col_idx]] * values_aligned[row_idx, col_idx]
  }
  y_pred[row_idx] <- pred_tmp
}

运行后y_pred就是你需要的21个预测值。

2. 更高效的向量化实现（无需循环） #

R原生支持矩阵运算，一行代码即可完成计算，效率远高于嵌套for循环：

y_pred <- estimates[["(Intercept)"]] + as.matrix(values_aligned) %*% estimates[-1]

其中%*%是矩阵乘法运算符，会自动完成每行变量与对应系数的相乘求和操作。

内容的提问来源于stack exchange，提问作者Melody