Привести список R в Stata как макрос? - PullRequest
Новая
       18

Привести список R в Stata как макрос?

0 голосов
/ 31 мая 2018

Я хочу запустить модель Лассо в R из Stata, а затем перенести полученный список символов (имена поднабора коэффициентов) обратно в Stata как макрос (например, глобальный).

На данный момент мне известны два варианта:

  1. Я сохраняю файл dta и запускаю сценарий R из Stata, используя shell: 

    shell $Rloc --vanilla <"${LOC}/Lasso.R"

    Это работает из сохраненного файла dta и позволяет мне запускать модель Лассо, которую я хочу запустить, но не интерактивную, поэтому я не могу вывести соответствующий список символов (с именами подмножества).переменные) обратно в Stata.

  2. Я в интерактивном режиме запускаю R из Stata, используя rcall.Однако rcall не позволит мне загрузить достаточно большую матрицу даже при максимальной памяти Stata.Моя прогнозирующая матрица Z (для поднабора Лассо) составляет 1000 на 100, но когда я запускаю команду: 

    rcall: X <- st.matrix(Z)

    , я получаю сообщение об ошибке:

    подстановка макросовв результате получается слишком длинная строка: строка, полученная в результате замены макросов, будет длиннее допустимой.Максимально допустимая длина составляет 645 216 символов, которая рассчитывается на основе установленного maxvar.

Есть ли какой-нибудь способ интерактивного запуска R из Stata, который позволяет использовать большие матрицы, чтобы я мог перенести список символов из R обратно в Stata в качестве макроса?

Заранее спасибо.

1 Ответ

0 голосов
/ 31 мая 2018

Ниже я попытаюсь объединить комментарии в -хорошо-полезный ответ.

К сожалению, rcall не очень хорошо работает с большими матрицами, подобными той, которая вам нужна.Я думаю, что было бы лучше вызвать R для запуска вашего скрипта с помощью команды shell и сохранить строку (строки) в качестве переменных в файле dta.Это требует немного больше работы, но это, безусловно, программируется.

Тогда вы можете прочитать эти переменные в Stata и легко манипулировать ими, используя встроенные функции.Например, вы можете сохранить строки в отдельных переменных или в одной и использовать levelsof, как рекомендовано @Dimitriy.

Рассмотрим следующий пример игрушки: 

clear
set obs 5

input str50 string
"this is a string"
"A longer string is this"
"A string that is even longer is this one"
"How many strings do you have?"
end

levelsof string, local(newstr) 
`"A longer string is this"' `"A string that is even longer is this one"' `"How many strings do you have?"' `"this is a string"'

tokenize `"`newstr'"'

forvalues i = 1 / `: word count `newstr'' {
    display "``i''"
}

A longer string is this
A string that is even longer is this one
How many strings do you have?
this is a string

Из моего опыта, программыкак rcall и rsource полезны для простых задач.Тем не менее, они могут стать настоящим препятствием для более сложной работы, и в этом случае я лично просто прибегаю к реальной вещи, то есть к непосредственному использованию другого программного обеспечения.

Как также указал @Dimitriy, теперь для lasso доступны некоторые команды , предоставленные сообществом, что может удовлетворить ваши потребности, поэтому вам не придется возиться с R: 

search lasso

5 packages found (Stata Journal and STB listed first)
-----------------------------------------------------

elasticregress from http://fmwww.bc.edu/RePEc/bocode/e
    'ELASTICREGRESS': module to perform elastic net regression, lasso
    regression, ridge regression / elasticregress calculates an elastic
    net-regularized / regression: an estimator of a linear model in which
    larger / parameters are discouraged.  This estimator nests the LASSO / and

lars from http://fmwww.bc.edu/RePEc/bocode/l
    'LARS': module to perform least angle regression / Least Angle Regression
    is a model-building algorithm that / considers parsimony as well as
    prediction accuracy.  This / method is covered in detail by the paper
    Efron, Hastie, Johnstone / and Tibshirani (2004), published in The Annals

lassopack from http://fmwww.bc.edu/RePEc/bocode/l
    'LASSOPACK': module for lasso, square-root lasso, elastic net, ridge,
    adaptive lasso estimation and cross-validation / lassopack is a suite of
    programs for penalized regression / methods suitable for the
    high-dimensional setting where the / number of predictors p may be large

pdslasso from http://fmwww.bc.edu/RePEc/bocode/p
    'PDSLASSO': module for post-selection and post-regularization OLS or IV
    estimation and inference / pdslasso and ivlasso are routines for
    estimating structural / parameters in linear models with many controls
    and/or / instruments. The routines use methods for estimating sparse /

sivreg from http://fmwww.bc.edu/RePEc/bocode/s
    'SIVREG': module to perform adaptive Lasso with some invalid instruments /
    sivreg estimates a linear instrumental variables regression / where some
    of the instruments fail the exclusion restriction / and are thus invalid.
    The LARS algorithm (Efron et al., 2004) is / applied as long as the Hansen
...