R语言模拟ARMA(1,0)模型时遇数据框替换错误求助

首先，这个错误的核心是数据框维度不匹配：你尝试往一个空的数据框（0行）里插入一列有100行的数据，R自然会报错，因为两者的行数无法对齐。结合你的模拟需求，大概率是你在存储回归结果时的逻辑出了问题——你需要的是每次模拟得到1个系数、1个标准误和1个t统计量，总共1999组这类结果，而不是把模拟出来的时间序列直接塞进结果数据框。

错误场景还原 #

假设你之前的代码大概是这样的（典型的新手错误）：

# 错误示例
results <- data.frame()  # 创建空数据框（0行）
for (i in 1:1999) {
  # 模拟两个随机游走序列
  e <- rnorm(100)
  a <- cumsum(e)
  v <- rnorm(100)
  b <- cumsum(v)
  # 回归
  model <- lm(a ~ b)
  # 错误：试图把整个序列a或b赋值给空数据框的列，或错误处理了回归结果
  results$c_coef <- coef(model)[2]
}

空数据框没有行，当你试图给它加列时，R要求新列的行数必须和数据框现有行数一致（0行），但你要么不小心塞了100行的序列，要么虽然塞了单个值，但空数据框无法直接按列赋值（因为没有行可以对应）。

正确的实现方式 #

我们需要预先创建一个有1999行的结果数据框，用来存储每次模拟的三个统计量，这样每次循环只需要给对应行赋值即可：

# 设定参数
n <- 100  # 时间序列长度
sim_times <- 1999  # 模拟次数

# 预先创建结果数据框：1999行，3列分别存系数、标准误、t统计量
results <- data.frame(
  c_hat = numeric(sim_times),
  se_c = numeric(sim_times),
  t_stat = numeric(sim_times)
)

# 开始模拟循环
for (i in 1:sim_times) {
  # 模拟误差项（假设是正态分布，你可以根据需求调整）
  e <- rnorm(n)
  v <- rnorm(n)
  
  # 生成随机游走序列（你的ARMA(1,0)其实是φ=1的AR(1)，即随机游走）
  a <- cumsum(e)  # 等价于a[1]=e[1], a[t]=a[t-1]+e[t]
  b <- cumsum(v)
  
  # 执行回归
  model <- lm(a ~ b)
  
  # 提取回归结果：第二行是b的系数（第一行是截距）
  coef_info <- summary(model)$coefficients[2, ]
  
  # 赋值到结果数据框的第i行
  results[i, "c_hat"] <- coef_info[1]  # 系数估计值
  results[i, "se_c"] <- coef_info[2]   # 标准误
  results[i, "t_stat"] <- coef_info[3] # t统计量
}

# 最后提取所有t统计量
t_stats <- results$t_stat

额外提醒 #

注意你的两个序列都是随机游走（单位根过程），用lm做回归会出现伪回归问题——即使a和b是完全独立的，t统计量也会大概率显著，这是时间序列分析中的经典陷阱，如果你是在学习伪回归的话当我没说，但如果是想做常规回归，记得先对序列做差分哦。

内容的提问来源于stack exchange，提问作者user9366839