在一个具体例子中理解R循环中迭代的编码

Question

尽管粘贴代码的长度很长，但这个问题可能是非常基本的，并且与我在R中使用循环的困难有关。

对于这段youtube视频上关于ARMA(1,1)过程的评论，一个评论者提供了一个R模拟。我认为，对于我的问题，直接转到# Moving-average component的ARMA函数是可以的：

ARMA = function(phi, theta, n = 100, init = 0, burn = 0)
{
  m = n + burn # Optional burn-in
  z = rnorm(m) # White noise sample

  x = init
  for (i in 2:m) # Generate the time series
  {
    # Autoregression component

    p = min(length(x), length(phi)) # Prevent out-of-bounds
    AR = sum(phi[1:p] * x[1:p])

    # Moving-average component

    q = min(i - 1, length(theta)) # Prevent out-of-bounds
    MA = sum(theta[1:q] * z[(i - 1):(i - q)])

    # Combined AR+MA component

    new = AR + MA + z[i]
    x = c(new, x) # x is built in reverse
  }

  # Truncate the burn-in
  # Re-reverse x vector
  # Return time series

  ts(rev(x[1:n]))
}

plot(ARMA(0.3, 0.2))

在我看来，q = min(i - 1, length(theta))看起来是一个常量，因为无论i迭代数是什么(我们从2开始，i - 1是1或更高)，i - 1总是相等的(在1的情况下)或大于length(theta)，theta是一个常量(因此，length(theta) = 1)。因此，q，作为min将永远是1。

因此，我不理解sum(theta[1:q] * z[(i - 1):(i - q)])。z[(i - 1):(i - q)]将是z[(i - 1):(i - 1)]，也就是z[i]。theta[1:q]将是theta[1]，这是没有意义的，因为theta只有一个值，除非theta是一个向量。但事实是，我可以使用一个ARMA值来运行theta。

我遗漏了什么？

Answer 1

您可以运行ARMA，因为n等于100，循环生成2:m (在本例中为99)值。1:99中的每一个都与θ相乘，得到99个不同的值(MA = sum(theta[1:q] * z[(i - 1):(i - q)]))。z[(i - 1):(i - q)])不是z[i]，而是z[i-1]，θ有length=1。