如何使用转轮计算rlm的运行坡度？

我有一个“客户”数据框架，包括客户id、月份和当月的总购买量。 我试图用稳健回归法计算12个月的运行斜率

我尝试了以下方法：

Coef <- function(x) {return(rlm(cbind(x)~cbind(1:length(x)))$coefficients[2])}
customer_slope = customers %>% mutate(slope = runner(x=total_purchases,k=12,f=Coef))

cbind（1：长度（x）） 0.6888112

---

所以我遇到了类似的问题，最后使用slider找到了下面的解决方案。这提供了一个3天的滚动估计（当然，您可以根据需要进行更改）。这并不完全符合您的答案（您可能可以通过循环得到），但大多数情况下都是这样

library(MASS)
library(dplyr)
library(slider)

dat <- tibble::tibble(customers = c(4,11,7,15,5,14,8,9,14,17,14,13)) %>% 
  mutate(t = 1:n() %>% as.numeric())

dat %>% 
  mutate(results = slide_dbl(.x = .,
                             .f = ~rlm(customers ~ t, k = 12, data = .x)$coefficients[2],
                             .before = 2,
                             .complete = T))

库（MASS）
图书馆（dplyr）
库（滑块）
dat%
变异（t=1:n（）%>%as.numeric（））
dat%>%
突变（结果=slide_dbl（.x=。）。，
.f=~rlm（客户~t，k=12，数据=.x）$系数[2]，
.before=2，
（完成=T））

看起来这就是我们要走的路，谢谢！ 看起来造成这种奇异性的原因是我没有改变默认值。 因此，结合您的建议，这就是我的工作方式（300万排花了大约两个小时，但涉及的团队更为复杂，如下所示）

斜率%mutate（t=1:n（）%%>%as.numeric（）） 返回（rlm（数据t，数据=prep）$系数[2]） } 客户_rlm=客户%>% 变异（cust_rlm_12=幻灯片_dbl（总购买量，斜率，.before=11，.complete=T））

---

考虑两个客户的数据，数据跨度为1000天<代码>总采购量按客户累计，每个采购量为~POI（5）

set.seed（1）
客户%
分组依据（id）%>%
变异(
采购总额=总和（RPOI（n（），λ=5））
)

在滚动窗口中使用计算回归时，请确保您处理了由于自由度不足、奇异性等引起的错误-这就是为什么我将

tryCatch

放在

rlm

调用周围-如果有任何错误，函数将返回失败窗口的NA。 下面的数据按

id

进行分组，这意味着模型是按每个客户计算的。年度滚动回归应收敛到

斜率=5

（+/-随机误差）

客户%>%
分组依据（id）%>%
变异(
坡度=转轮(
x=。，
f=函数（x）{
tryCatch(
rlm（x$采购总额~序号（nrow（x））$系数[2]，
错误=函数（e）NA
)
},
idx=“日期”，
k=“年”
)
)

及时为客户绘制坡度图

ggplot（客户、aes（x=日期，y=斜率，颜色=id，组=id））+
geom_线（）+
geom_hline（yintercept=5，color=“red”）

---

查看要使用mutate（value=slide\u dbl（total\u purchases，Cord，.before=2）的可用幻灯片软件包。Hi，slide\u dbl返回的错误与singularity@Alex尝试此函数调试：

Coef
library(MASS)
library(dplyr)
library(slider)

dat <- tibble::tibble(customers = c(4,11,7,15,5,14,8,9,14,17,14,13)) %>% 
  mutate(t = 1:n() %>% as.numeric())

dat %>% 
  mutate(results = slide_dbl(.x = .,
                             .f = ~rlm(customers ~ t, k = 12, data = .x)$coefficients[2],
                             .before = 2,
                             .complete = T))

slope_rlm <- function(x) {
  x=as.numeric(x)
  prep = tibble(data=x)%>%mutate(t=1:n()%>%as.numeric())
  return(rlm(data~t,data=prep)$coefficients[2])
}


customers_rlm = customers %>% 
  mutate(cust_rlm_12=slide_dbl(total_purchases,slope_rlm,.before=11,.complete=T))