Ошибка в str2lang(x) : :2:0: неожиданное завершение ввода 1: ~ ^

ProgramBox

Ошибка в str2lang(x) : :2:0: неожиданное завершение ввода 1: ~ ^

Post author:admin
Запись опубликована:13 января, 2022
Post category:Вопросы по программированию

#r #function #matrix #syntax-error #nls

Вопрос:

Я получил это сообщение об ошибке: Ошибка в str2lang(x) : :2:0: неожиданный конец ввода 1: ~ ^ и в течение двух дней пытался найти, в чем проблема. Мне действительно нужна ваша помощь, ребята!! Мой код строится в два этапа:

функция, которая возвращает правую часть для моей нелинейной регрессии по методу наименьших квадратов. Параметры для оценки с помощью nls-это f, m, mu. Xlags-это матрица с запаздыванием переменной x. В первом столбце есть x, во втором столбце-второе отставание и так далее.
нелинейная регрессия методом наименьших квадратов, где переменная x находится слева, а результат функции-справа.

Если бы вы могли помочь в этом вопросе, это было бы удивительно. Доступно для получения дополнительной информации.

 
XfitHV <- function(Xlags, R, Ff, M, Mu) {
  
  # Function to dermine the fraction of aggregate tolerance at a certain time (nominator)
  density_eq <- function(x) {
    output <- 1/(x*0.73*sqrt(2*pi))*exp(-((log(x)-1.84)^2)/(2*0.73^2))
    return(output)
    }
  
  # Aggregate risk tolerance (used then for the fraction of aggregate tolerance)
  aggr_risk_tolerance <- integrate(density_eq, lower = 0, upper = Inf)$value
  
  ## Creation of null vectors for computations ##
  uf<- numeric(10)
  um <- numeric(10)
  for(t in 1:10){
  uf[t] <- -(Xlags[t,1]-Ff*Xlags[t,3])^2
  um[t] <- -(Xlags[t,1]-Xlags[t,3]-M*(Xlags[t,3]-Xlags[t,4]))
  }
  
  # 2 vector of the weighted average of both heuristics' past performance at each period
  avg_uf <- numeric(255)
  avg_um <- numeric(255)
  
  avg_uf[1] <- mean(uf)
  avg_um[1] <- mean(um)
  
  # 2 vector of the weighted squared average of both heuristics' past performance at each period
  sqr_avg_uf <- numeric(255)
  sqr_avg_um <- numeric(255)
  
  sqr_avg_uf[1] <- avg_uf[1]^2
  sqr_avg_um[1] <- avg_um[1]^2
  
  # 2 vector of the weighted variance of both heuristics' past performance variance at each period
  var_f <- numeric(255)
  var_m <- numeric(255)
  
  var_f[1] <- var(uf)
  var_m[1] <- var(um)
  
  # Vector fraction of aggregate tolerance at a certain time
  fi <- numeric(254)
  
  # Vector of the risk aversion coefficient for which the mean-variance performance of the forecasting heuristics are equal in period t
  risk_avers_coef <- numeric(255)
  
  risk_avers_coef[1] <- 2*(avg_uf[1]-avg_um[1])/(var_f[1]-var_m[1])
  
  
  #### Loop to build the value of the vector of fraction of aggregate risk aversion
  for (t in 1:254) {
    
    # Function 19 of the paper
    if((var_f[t] == var_m[t]) amp; (avg_uf[t] == avg_um[t])) fi[t] <- 0.5
    else{if((var_f[t] >= var_m[t]) amp; (avg_uf[t] < avg_um[t])) fi[t] <- 0
    else{if((var_f[t] <= var_m[t]) amp; (avg_uf[t] > avg_um[t])) fi[t] <- 1
    else{if((var_f[t] < var_m[t]) amp; (avg_uf[t] <= avg_um[t])) fi[t] <- integral(density_eq, risk_avers_coef[t], Inf)/aggr_risk_tolerance
    else{if((var_f[t] > var_m[t]) amp; (avg_uf[t] >= avg_um[t])) fi[t] <- integral(density_eq, 0, risk_avers_coef[t])/aggr_risk_tolerance
    }}}}
    
    # Function 20 of the paper; Past weighted average performance for each period
    avg_uf[t 1] <- Mu*avg_uf[t] (1-Mu)*(Xlags[11 t,1]-Ff*Xlags[11 t,3])^2
    avg_um[t 1] <- Mu*avg_um[t] (1-Mu)*(Xlags[11 t,1]-Xlags[11 t,3]-M*(Xlags[11 t,3]-Xlags[11 t,4]))^2
    
    # Equation 20 of the paper; Past weighted average squared performance for each period
    sqr_avg_uf[t 1] <- Mu*sqr_avg_uf[t] (1-Mu)*(Xlags[11 t,1]-Ff*Xlags[11 t,3])^4
    sqr_avg_um[t 1] <- Mu*sqr_avg_um[t] (1-Mu)*(Xlags[11 t,1]-Xlags[11 t,3]-M*(Xlags[11 t,3]-Xlags[11 t,4]))^4
    
    # Equation 14 of the paper; Past weighted average performance variance for each period
    var_f[t 1] <- sqr_avg_uf[t 1]-avg_uf[t 1]^2
    var_m[t 1] <- sqr_avg_um[t 1]-avg_um[t 1]^2
    
    # Equation 18: Risk aversion coefficient
    risk_avers_coef[t 1] <- 2*(avg_uf[t 1]-avg_um[t 1])/(var_f[t 1]-var_m[t 1])
    
  }#end of loop
  
  # Computation of the RHS of the regression function
  rhs <- 1/R*(fi*Ff*Xlags[12:265,2] (rep(1,254)-fi)*(Xlags[12:265,2] M*(Xlags[12:265,2]-Xlags[12:265,3]))) # what is returned by the function
  return(rhs)
}#end of function

####### Build Matrix Xlags ######

T = length(x)

L=4 # Number of lags needed 

xlags = matrix(nrow = T 1, ncol = L) # Create matrix

# Fill the matrix
for(j in (L 1):(T 1)){
  for (l in 1:L) {
    xlags[j,l] = x[j-l];
  }
}

# Remove the first NA row of the matrix
xlags <- xlags[(L 1):(T 1), 1:L]

# Discount factor
r <- 1 i

# Nonlinear Least Square Regression in order to find coefficients f, m amp; mu
nlmod <- nls(xlags[12:265,1] ~ XfitHV(xlags,r,f,m,mu),
             start  = list(f=0.4, m=1.1, mu=0.25), 
             lower  = list(f=0.01, m=0.01, mu=0.01), 
             upper  = list(f=0.99, m=10, mu=0.9),
             algorithm = "port",
             trace  = T,
             control= nls.control(minFactor=1/10000, maxiter = 100, warnOnly = T)
)```

Thank you very much for your replies!!

1. Привет, добро пожаловать в Стек. Итак, вы предоставляете много информации, и в то же время многого не хватает. В конце концов, речь идет о функции, из которой вы получаете сообщение об ошибке, и о вводе, который вы предоставляете этой функции. В этом случае используйте traceback() после получения ошибки, чтобы увидеть, где вы получили ошибку. Я думаю, что проблема в nls том, как вы строите свою формулу. Затем посмотрите на то, что xlags[12:265, 1] и XfitHV(xlags,r,f,m,mu) как выглядит. Было бы полезно, если бы вы могли привести некоторые примеры данных или, по крайней мере str(xlags[12:265, 1]) , str(XfitHV(xlags,r,f,m,mu))

2. Уважаемый @slamballais, большое вам спасибо за ваш ответ. Я ответил вам в ответах. Лучшие

Ответ №1:

большое вам спасибо за ваш ответ. Да, я новичок в этой классной платформе, поэтому я не знал, как объяснить свою проблему. По вашей просьбе я запустил traceback() и получил следующее, чего я тоже не понимаю:

 5: str2lang(x)
4: formula.character(object, env = baseenv())
3: formula(object, env = baseenv())
2: as.formula(paste("~", paste(vNms, collapse = " ")), env = environment(formula))
1: nls(xlags[12:265, 1] ~ XfitHV(xlags, r, f, m, mu), start = list(f = 0.4, 
       m = 1.1, mu = 0.25), lower = list(f = 0.01, m = 0.01, mu = 0.01), 
       upper = list(f = 0.99, m = 10, mu = 0.9), algorithm = "port", 
       trace = T, control = nls.control(minFactor = 1/10000, maxiter = 100, 
           warnOnly = T))

Я знаю, что моя ошибка происходит из nls -за этого, но я не понимаю, что я делаю неправильно. Я черпал вдохновение из объяснений в Интернете, но до сих пор не понимаю, в чем дело.

Что касается входных данных функции, то при запуске xlags команды я получаю:

  >         [,1]         [,2]         [,3]         [,4]
 > [1,] -245.2166209 -215.3362201 -183.7168175 -190.0689974
  >[2,] -234.3886574 -245.2166209 -215.3362201 -183.7168175
  >[3,] -245.6797343 -234.3886574 -245.2166209 -215.3362201
  >[4,] -214.5815387 -245.6797343 -234.3886574 -245.2166209
  >[5,] -181.2048908 -214.5815387 -245.6797343 -234.3886574
  >[6,] -181.7299470 -181.2048908 -214.5815387 -245.6797343
  >[7,] -183.5586326 -181.7299470 -181.2048908 -214.5815387
  >[8,] -178.5667028 -183.5586326 -181.7299470 -181.2048908
  >[9,] -156.0660467 -178.5667028 -183.5586326 -181.7299470
 >[10,] -157.1065807 -156.0660467 -178.5667028 -183.5586326
 >[11,] -177.0782509 -157.1065807 -156.0660467 -178.5667028
 >[12,] -182.5230812 -177.0782509 -157.1065807 -156.0660467`






For command str(XfitHV(xlags,r,f,m,mu)), I obtain: 

`For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
For infinite domains Gauss integration is applied!
 num [1:254] -174 -179 -173 -163 -135 ...`

Метки: Ошибка в str2lang(x) : :2:0: неожиданное завершение ввода 1: ~ ^

Вопрос:

Комментарии:

Ответ №1:

Вам также может понравиться

Сохранить файл Xlsm как xlsx

Не удается суммировать несколько строк массива с несколькими переменными int на языке c

База данных Android SQLite: медленная вставка