如何进行n个分位数回归模拟

Question

library(rqPen)
LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)

我如何模拟这N次以得到100套结果？我有下面的代码，但是计算时间太长，PC崩溃了。这是正确的吗？

for (i in 1:100){
beta[i] = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
}

[我也尝试了以下方法，但是，当我使用lapply时，每个模拟的每个beta的值都完全相同...我希望每个beta的行具有不同的系数。

do.call(cbind, lapply(1:100, function(i) {
beta = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
  return(beta)}))

Answer 1

您如何在for循环之前定义beta变量？崩溃可能与将值存储在beta中有关。由于LASSO.fit返回一个数组，据我所知，您想存储所有这些值，因此应将beta定义为列表

beta <- vector("list", length = ncol(X))
for (i in 1:100){
beta[[i]] = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
}

如果要使用lapply进行操作，则可以按照以下步骤进行操作

beta <- lapply(1:100 , function(z) LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5))