r - 有没有 dplyr 方法来生成 AR(1) 时间序列？

Question

我需要为模拟研究生成自回归时间序列。最终我需要以嵌套的方式在许多 block 上执行此操作。我以为我可以使用 mutate() 和 lag() 轻松实现这一点，但显然不是:

# Initialise some data
trial.data = tibble(
  trial = rep(1:20, times = 1),
  y = 1
) 

# Replace y values with a new autoregressed value in each row
trial.data %>%
  rowwise() %>%
  mutate(y = lag(y, default = 1)*0.8)

# A tibble: 10 x 2
# Rowwise: 
   trial     y
   <int> <dbl>
 1     1   0.8
 2     2   0.8
 3     3   0.8
 4     4   0.8
 5     5   0.8
 6     6   0.8
 7     7   0.8
 8     8   0.8
 9     9   0.8
10    10   0.8

我使用 for 循环得到了预期的结果:

for (i in 2:10) {
  trial.data$y[i] <- trial.data$y[i-1]*0.8
}

trial.data

# A tibble: 10 x 2
   trial     y
   <int> <dbl>
 1     1 1    
 2     2 0.8  
 3     3 0.64 
 4     4 0.512
 5     5 0.410
 6     6 0.328
 7     7 0.262
 8     8 0.210
 9     9 0.168
10    10 0.134

任何关于如何在 dplyr 管道中执行此操作的提示将不胜感激...我的另一个想法是功能化我的 for 循环，但这不起作用:

loop_fun <- function(x) {
  for (i in 2:10) {
    x[i] <- x[i-1]*0.8
  }
}

trial.data %>%
  mutate(y2 = loop_fun(y))

Answer 1

您可以使用accumulate进行此类递归计算。

library(dplyr)
library(purrr)

trial.data %>% mutate(y = accumulate(y, ~.x * 0.8))

#   trial      y
#   <int>  <dbl>
# 1     1 1     
# 2     2 0.8   
# 3     3 0.64  
# 4     4 0.512 
# 5     5 0.410 
# 6     6 0.328 
# 7     7 0.262 
# 8     8 0.210 
# 9     9 0.168 
#10    10 0.134 
#11    11 0.107 
#12    12 0.0859
#13    13 0.0687
#14    14 0.0550
#15    15 0.0440
#16    16 0.0352
#17    17 0.0281
#18    18 0.0225
#19    19 0.0180
#20    20 0.0144

在基础 R 中使用 Reduce。

trial.data$y <- Reduce(function(x, y) x * 0.8, trial.data$y, accumulate = TRUE)