R加速平方矩阵的矢量化

任何人都可以帮我加速一些代码：

n = seq_len(ncol(mat)) # seq 1 to ncol(mat)
sym.pr<-outer(n,n,Vectorize(function(a,b) {
    return(adf.test(LinReg(mat[,c(a,b)]),k=0,alternative="stationary")$p.value)
}))

LinReg

定义为：

# Performs linear regression via OLS
LinReg=function(vals) {  
  # regression analysis
  # force intercept c at y=0
  regline<-lm(vals[,1]~as.matrix(vals[,2:ncol(vals)])+0)

  # return spread (residuals)
  return(as.matrix(regline$residuals))
}

#通过OLS执行线性回归
LinReg=函数（VAL）{
#回归分析
#y=0时的力截距c
regline从一些虚拟数据开始

mdf <- data.frame( x1 = rnorm(5), x2 = rnorm(5), x3 = rnorm(5) )

现在，您可以在行对上应用函数（为了简单起见，这里使用t.test）：

谢谢@Beasterfield，这就成功了。对于对结果感兴趣的人：
600个15个变量的观测值：原始值：1.91s，优化（Beasterfield）：0.86s
；
600对300个变量的观测值：原始：733s，优化：359s
。因此，
2x ~
的加速，非常令人印象深刻！再次感谢。刚刚实现..
2x
加速，因为它可以完成一半的计算量哈哈！@Ubobobo我认为这是整个想法，通过只计算上三角矩阵：-D
mdf <- data.frame( x1 = rnorm(5), x2 = rnorm(5), x3 = rnorm(5) )

pairs <- as.data.frame( t( combn( colnames( mdf  ),2 ) ) )
pairs
  V1 V2
1 x1 x2
2 x1 x3
3 x2 x3

pairs[["p.value"]] <- apply( pairs, 1, function( i ){
  t.test( mdf[i] )[["p.value"]]
})
pairs
  V1 V2   p.value
1 x1 x2 0.5943814
2 x1 x3 0.7833293
3 x2 x3 0.6760846

library(reshape2)
acast( pairs, V1 ~ V2 )
          x2        x3
x1 0.5943814 0.7833293
x2        NA 0.6760846