如何在for循环中设置条件以打破

如何解决如何在for循环中设置条件以打破

我试图将AR（1）ols调整为较小的样本偏差，所以我编写了一个代码，然后在loop函数中设置break，但是总是失败，如何在for loop中设置条件？

n = 31 # simulate regression samples

yt <- c()

ANS <- rep(NA,1000) # create a place for beta loop

for (M in c((1:3)/100)) { # after 1000 beta loop,I want simulate AR(1)+0.01 (EX:0.91、0.92、0.93...) Data for next loop in beta
  
  for (i in 1:1000){ # Monte Carole to estimate beta

yt[1] <- rnorm(1,1)

  for (z in 2:n) { # simulate AR(1)=0.9+M loop 
  
  yt[z] <- (0.9 + M) * yt[z-1] + rnorm(1,1)
  
}

yt

X <- yt[-n]

beta <- solve(t(X) %*% X) %*% t(X) %*% yt[-1] # Estimate AR(1) coeff(beta)

ANS[i] <- sort(beta) 

cat(M," ","\n")

### if (beta[500] - 0.9 <= 0.01) break ### I want set this condition to stop loop but failed,get error message : Error in if (beta[500] - 0.9 <= 1) break,missing value where TRUE/FALSE needed
}}

ifelse(abs(quantile(ANS,probs = c(0.5)) - 0.9) <= 0.01,TRUE,FALSE ) # Because I didn't know how to set break in it,I had to operate it manually

。

下面我尝试添加“ if（beta [500]-0.9

n = 31 # simulate regression samples

yt <- c()

ANS <- rep(NA,"\n")

if (beta[500] - 0.9 <= 0.01) break 
}}

有人知道设置条件时为什么会出错吗？ ＃如果（beta [500]-0.9

解决方法

break将打破最近的for循环，但不会超出循环范围。在这种情况下，它位于内部循环for (1 in 1:1000)中，因此它会中断，但是外部循环（for (M in ...)）将继续。

如果您想要内部循环中的条件但又希望同时出现，请考虑某种类型的标志，该标志已预定义为不会爆发，而是在需要时设置。我将在这里使用breakout：

breakout <- FALSE
n = 31 # simulate regression samples
yt <- c()
ANS <- rep(NA,1000) # create a place for beta loop
for (M in c((1:3)/100)) {
  for (i in 1:1000){
    yt[1] <- rnorm(1,1)
    for (z in 2:n) {
      yt[z] <- (0.9 + M) * yt[z-1] + rnorm(1,1)
    }
    yt
    X <- yt[-n]
    beta <- solve(t(X) %*% X) %*% t(X) %*% yt[-1] # Estimate AR(1) coeff(beta)
    ANS[i] <- sort(beta) 
    cat(M," ","\n")
    if (beta[500] - 0.9 <= 0.01) {
      breakout <- TRUE
      break
    }
  }
  if (breakout) break
}

您还没有分享您的错误，因此我将显示：

Error in if (beta[500] - 0.9 <= 0.01) break (from #12) : 
  missing value where TRUE/FALSE needed

这是为什么？当beta[500]仅是一个数字时，您正在引用beta。您应该手动跟踪代码以查找错误发生的地方，因为这是缩小错误范围的最快方法。

M <- 0.01
i <- 1
    yt[1] <- rnorm(1,1)
    for (z in 2:n) { # simulate AR(1)=0.9+M loop 
      yt[z] <- (0.9 + M) * yt[z-1] + rnorm(1,1)
    }
    X <- yt[-n]
    beta <- solve(t(X) %*% X) %*% t(X) %*% yt[-1] # Estimate AR(1) coeff(beta)
beta
#          [,1]
# [1,] 0.890663
    ANS[i] <- sort(beta) 
    cat(M,"\n")
# 0.01   
    if (beta[500] - 0.9 <= 0.01) break 
# Error in if (beta[500] - 0.9 <= 0.01) break : 
#   missing value where TRUE/FALSE needed
#     x

那为什么呢？

beta[500] - 0.9 <= 0.01
# [1] NA
beta[500]
# [1] NA
beta
#          [,] 0.890663

那为什么呢？好吧，即使i为1000，beta也是将矩阵简化为1x1矩阵。您的条件beta[500]的前提已损坏。我不知道您认为应该将它与什么进行比较，但这是行不通的。

修正数学背后的逻辑，然后逐步执行代码，以确保尺寸/长度等符合您的想象。