results <- c() resultst <-c() for (i in 1:1000) { n<-sample(resid, 485, replace = TRUE, prob =NULL) #基金虚拟收益序列 attach(src) r<- 0.9844538*mkt+0.01333323*smb+-0.4016015*hml+-0.3710315*rmw+-0.1699253*cma+n summary(r) #对新生成的r进行回归 lm.test11<-lm(r~mkt+smb+hml+rmw+cma,data=src) summary(lm.test11) # 提取截距项 model <- lm(lm.test11) coefficients <- coef(model) intercept <- coefficients[1] a <- intercept # 提取截距项的系数和标准误差 intercept_coef <- coef(model)[1] intercept_stderr <- sqrt(diag(vcov(model)))[1] #保存t值在ta中 t_value <- intercept_coef / intercept_stderr ta <- t_value #赋值给results results<-c(a) resultst<-c(ta) }
时间: 2024-04-19 21:30:36 浏览: 139
unicorn-tears-theme:裸露的gulp提供动力的WordPress主题样板
根据你的代码,你正在进行一个循环,循环次数为1000次。在每次循环中,你从 `resid` 中随机抽取485个样本,然后使用这些样本和其他变量进行回归分析。
在每次循环中,你计算了回归模型的摘要统计信息,并提取了截距项的系数和标准误差。然后,你计算了截距项系数的t值,并将截距项和t值分别保存在 `results` 和 `resultst` 变量中。
需要注意的是,在每次循环中,你都使用 `attach(src)` 将数据框 `src` 中的变量添加到搜索路径中。但是,请注意使用 `attach` 函数时可能会导致命名冲突或混淆,因此需要谨慎使用。
最后,你可以通过访问 `results` 和 `resultst` 变量来获取每次循环的截距项和t值。请确保在循环结束后检查这些变量是否包含了期望的结果。
希望以上解释对你有帮助!如果你有更多问题,请随时提问。
阅读全文